最近接觸到數(shù)據(jù)科學，需要對一些數(shù)據(jù)表進行分析，觀察到代碼中一會出現(xiàn)loc一會又出現(xiàn)iloc，下面對兩者的用法給出我的一些理解。

1.聯(lián)系

(1)操作對象相同：loc和iloc都是對DataFrame類型進行操作；

(2)完成目的相同：二者都是用于選取DataFrame中對應行或列中的元素。

2.區(qū)別

loc和iloc索引的行列標簽類型不同。

iloc使用順序數(shù)字來索引數(shù)據(jù)，而不能使用字符型的標簽來索引數(shù)據(jù)；注意：這里的順序數(shù)字是指從0開始計數(shù)！

loc使用實際設置的索引來索引數(shù)據(jù)。但行列名為數(shù)字時，loc也可以索引數(shù)字，但這里的數(shù)字不一定從0開始編號，是對應具體行列名的數(shù)字！

3.用法

下面用代碼來講解兩者的用法。

3.1行列全為從0開始順序編號

import pandas as pd
import numpy as np
 
a = np.arange(12).reshape(3,4)
#將a轉(zhuǎn)化為DataFrame類型
df = pd.DataFrame(a)
#展示df
df

由于未給df的行列命名，默認從0開始編號，所以這個時候使用loc和iloc結果是一樣的。

索引為一個數(shù)，默認輸出行
print(df.loc[0])#輸出第0行元素
print(df.iloc[0])#輸出第0行元素

 兩者輸出結果都為：

0    0
1    1
2    2
3    3
Name: 0, dtype: int32

輸出結果為df第0行元素，結果中第一列表示列名，第二列表示具體的值。如果只需要輸出某一列，輸入df.loc[：，0]表示輸出第0列。

如果需要輸出第0到2列的數(shù)據(jù)。

#方式1
df.loc[:,0:2]#可把loc理解為遍歷字符串類型，0:2則表示標簽為0,1,2三列
#方式2
df.iloc[:,0:3]#iloc遍歷的數(shù)數(shù)字，python中0:3對應0,1,和2

輸出結果均為：

3.2有一行或列不是從0順序編號

#把行標簽換成其他數(shù)字編號
df.index=[2,5,7]
df.loc[2]

此時df變?yōu)椋?/p>

 輸出結果為：

0    0
1    1
2    2
3    3
Name: 2, dtype: int32

輸出結果對應的是列標簽為“2”所在的行。

我們繼續(xù)用df.iloc[2]輸出結果：

0     8
1     9
2    10
3    11
Name: 7, dtype: int32

可見輸出的是第2行的數(shù)據(jù)。

在這里我們能大概對loc和iloc的用法有了一定的了解。

3.3行或者列為非數(shù)字標簽

#把行標簽轉(zhuǎn)化為非數(shù)字類型
df.index=['a','b','c']
#輸出第a、b行，第0到2列的數(shù)據(jù)
#方式1
df.loc[['a','b'],0:2]#可把loc理解為遍歷字符串類型，0:2則表示標簽為0,1,2三列
#方式2
df.iloc[0:2,0:3]#iloc遍歷的是數(shù)字，0:2表示的是0和1,0:3表示0,1,2。

兩者輸出結果均為：

3.4 其他用法

一般情況下，表的行為從0編號的數(shù)字類型，列為具體的字符串類型。行的數(shù)字容易確定，列的列名容易確定。

#將行換成0 1 2編號
df.index=[0,1,2]
#列標簽換成A B C D
df.columns=['A','B','C','D']
df.iloc[1]['A']#實現(xiàn)輸出第1行第A列的數(shù)據(jù)

輸出結果為4。

如果要輸出第1行，第AB列，使用df.iloc[1][['A','B']]，這里一定要注意'A','B'是作為一個列表輸入的，右側(cè)一共有兩個中括號。

輸出結果：

A    4
B    5
Name: 1, dtype: int32

df.iloc[1][['A','B']]等價于df.iloc[1,0:2]，但是很多情況下我們不知道具體列名對應的數(shù)字，所以采用第一種方法可以提高編程效率。

總結

到此這篇關于Python學習之.iloc與.loc的區(qū)別、聯(lián)系和用法的文章就介紹到這了,更多相關Python .iloc與.loc用法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論