我对它们的区分，说loc（location），在教室里找不认识的同学的位置一样的，找人肯定要知道名字或者身高形体（条件），所以loc就只能用条件或者行列的名字来进行筛选；
再说iloc（indx location），index是什么，我把它当作是索引位置，第几行第几列的意思，所以iloc是用第几行第几列这样的数字来筛选的。
或许我形容的不够好，我下面的演示自己做一遍，会有深刻的印象。
import pandas as pd import numpy as np data = pd.DataFrame(np.random.randint(100,size=(10,10)),\ columns=['a','b','c','d','e','f','g','h','i','j'],\ index=['A','B','C','D','E','F','G','H','I','J']) data 
以下方法中都可以采用切片的，十分方便，我演示的不多，还有待大家自行举一反三练习呀。
小声哔哔，有人问切片是啥，emm，这是还没入门啊，先学完切片再来看。
一、loc
loc[行索引名称或条件,列索引名称或者标签] （一）读取某行
# 读取第二行的所有列 data.loc['B',:] # 等价于data.loc['B'] 
（二）读取某列
# 读取第一列的所有行 data.loc[:,'a'] 
（三）读取某行的同时读取某列
# 读取第一列第一行 data.loc['A','a'] 
loc支持切片这种骚操作.
# 读取第一行到第四行的第三列到第五列 data.loc['A':'D','c':'e'] 
（四）按照条件读取
data.loc[data.a > 50] # 等于data[data.a > 50] 
不过这里还可以对列进行选择，切片也是行的
data.loc[data.a > 50, ['b','a']] 
另外、错误示范
二、iloc
iloc[行索引位置,列索引位置] 以下尽量和loc读取一样的行或列，方便大家比较。
（一）读取某行
# 读取第一行的所有列 data.iloc[1] # 结果等价于data.loc['B',:] == data.iloc[1,:] 
（二）读取某列
# 读取第一列的所有行 data.iloc[:,1] 
（三）读取某行的同时读取某列
# 读取第一行第一列,python的位置都是从0开始的，第一行的表示就是0 data.iloc[0,0] # 结果等价于 data.loc['A','a'] 
同样的，无论是loc还是iloc它里面的参数都是可以进行切片操作的。
注意，这里的数字切片和上面的索引切片不一样，它的区间是左闭右开的，右边最后一个取不到
# 读取第一行到第四行的第二列到第五列 data.iloc[0:4,2:5] # 结果等价于data.loc['A':'D','c':'e'] 
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/176770.html原文链接：https://javaforall.net
