python pandas中索引函數loc和iloc的區別分析

2021-09-27 13:03:00

前言

使用pandas進行資料分析的時候，我們經常需要對DataFrame的行或者列進行索引。使用pandas進行索引的方法主要有三種：直接使用行或者列標籤、loc函數和iloc函數。

舉個簡單的例子：

import numpy as np
import pandas as pd
df = pd.DataFrame({"Fruits":["apple","pear","banana","watermelon"],"Price":[1.2,1.4,2.3,4.2],"Sales":[11,45,25,16]})
df

生成的DataFrame如下所示：

	Fruits	Price	Sales
0	apple	1.2	11
1	pear	1.4	45
2	banana	2.3	25
3	watermelon	4.2	16

1、直接使用行或者列標籤

假如我們要選取df的Fruits和Price兩列，則

df[['Fruits','Price']]

	Fruits	Price
0	apple	1.2
1	pear	1.4
2	banana	2.3
3	watermelon	4.2

假如我們要選取df的第2、3行，則

df[2:4]

	Fruits	Price	Sales
2	banana	2.3	25
3	watermelon	4.2	16

2、loc函數

loc函數是基於行標籤和列標籤進行索引的，其基本用法為：

DataFrame.loc[行標籤,列標籤]

假如我們要選取df的第2、3行和Price、Sales對應的列，則

df[2:3,'Price':'Sales']

	Price	Sales
2	2.3	25
3	4.2	16

假如我們要選取所有的行和Fruits、Sales對應的列，則

df.loc[:,['Fruits','Sales']]

	Fruits	Sales
0	apple	11
1	pear	45
2	banana	25
3	watermelon	16

3、iloc函數

iloc函數是基於行和列的位置進行索引的，索引值從0開始，並且得到的結果不包括最後一個位置的值，其基本用法為：

DataFrame.iloc[行位置,列位置]

假如我們要選取df的第2、3行和第1、2列，則

df.iloc[2:4,1:3]

	Price	Sales
2	2.3	25
3	4.2	16

假如我們要選取所有的行和第0、2列，則

df.iloc[:,[0,2]]

	Fruits	Sales
0	apple	11
1	pear	45
2	banana	25
3	watermelon	16

總結

到此這篇關於python pandas中索引函數loc和iloc區別的文章就介紹到這了,更多相關pandas索引函數loc和iloc內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

python pandas中索引函數loc和iloc的區別分析

目錄

前言

1、直接使用行或者列標籤

2、loc函數

3、iloc函數

總結

熱門文章