Pandas中df.loc[]與df.iloc[]怎么使用

本篇內容介紹了“Pandas中df.loc[]與df.iloc[]怎么使用”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

用 途：

• 取數: 從dataframe中取 一部分行與列的數據 (為主)

• 賦值: 給指定的 行與列賦值 df.loc[xx,xx] = xx

輸入參數注意：

方括號內的參數:

• loc、iloc 方括號中,參數的排布模式為[行條件,列條件],當總體條件只有一個時候(最外層方括號內無逗號)，會按照：先行后列的方法來匹配對應的條件

• 默認會拋棄掉對應的dataframe格式，輸出series，如果想保留dataframe格式，需要在條件外邊加 ”[ ]”。

loc與iloc條件（行/列）相同之處：

• 單一元素(不包含list) str/int/slice 選取行時候，選取的是對應條件下的行 (series)

• 單一元素(不包含list) str/int/slice 選取列時候，選取的是對應條件下的列(series)

• 條件為list時候，選取的是一組對應的 行（列） 條件下的（dataframe數據）

• 布爾值的list/可與df對齊的series(布爾類型): 與index長度相同的話 選擇對應值為True的行，與列數相同的話，選取對應值為True 的列。

• df的index的子集index2: 選取df中對應的index2的行

• 函數：輸入為行/列series(外層有逗號)或者dataframe(外層無括號) 返回為對應輸入的一個布爾值表，用來篩選對應的數據。

不同之處：

• 當對應的行/列標簽為 int類型x時候，iloc表示對應的第x個 index或column，而loc 表示對應的index /column名稱等于這個x。

• 對應的開閉區間不同  df.loc[1:5,1:5] 會有一個最多 5x5的df數據子集，而df.iloc[1:5,1:5] 會有最多4x4df數據子集，其中iloc的行/列切片不包含最后一個數（與range函數類似）

loc與iloc 實際用例:

df = pd.DataFrame([[1, 2,3,14], [4, 5,6,17], [7, 8,9,10],[11,12,13,14]],
     index=[2,3,4,5],
     columns=[2,4,5,6])
  
# loc 行/列條件是對應的標簽值在對應的范圍內，[閉合，閉合] 區間
df.loc[2:5,2:5]
#   輸出為:
#    2    4    5
#2    1    2    3
#3    4    5    6
#4    7    8    9
#5    11    12    13
 
# 選取index 為 2 的行里面的值
# 不推薦：df.loc[2] 下文省略
df.loc[2,:]
# 輸出為  1,2,3,14 series類型
 
# 選取index 為 2 的行 保留dataframe類型
df.loc[[2],:] 
 
#選取對應列名為 2 的列
df.loc[:,2] 
# 這里 index 與 列名都是int類型，因此loc方括號中使用int類型，如果是其他類型，對應的數字要改成其他類型的數據，不能再用數字
 
# iloc 行/列條件是對應的標簽或者列名的索引值在范圍內，[閉合，開放) 區間
df.iloc[2:5,2:5]
# 輸出為 
#    5     6
#4     9     10
#5     13     14
 
# 這里 索引是以0開始的，所有行的切片應該寫作 0:5  也可以寫作“ ：”
# iloc 數字類型來做篩選的
 
# 不管是loc 還是 iloc 都建議用[行條件,列條件] 來寫，其中如果無需篩選可以用:來占位，表意明確。
# loc 匹配的是 index/列名的值 與對應的條件
# iloc 匹配的是 index/列名對應的索引號 與對應的條件

“Pandas中df.loc[]與df.iloc[]怎么使用”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！