python - iloc 和 loc 有何不同？

Question

有人可以解释这两种切片方法有何不同吗？
我见过the docs ,
我见过 these answers ，但我仍然发现自己无法理解这三者有何不同。对我来说，它们在很大程度上似乎可以互换，因为它们处于较低的切片级别。
例如，假设我们想要获取 DataFrame 的前五行。 .这两个是如何工作的？

df.loc[:5]
df.iloc[:5]

有人可以提出三种用法区别更清楚的情况吗？

曾几何时，我也想知道这两个功能和df.ix[:5]有什么区别但是 ix已从 pandas 1.0 中删除，所以我不再关心了。

Answer 1

标签与位置
这两种方法的主要区别是:

loc获取具有特定 的行(和/或列)标签 .

iloc获取整数 处的行(和/或列)地点 .

为了演示，考虑一个系列 s具有非单调整数索引的字符:

>>> s = pd.Series(list("abcdef"), index=[49, 48, 47, 0, 1, 2]) 
49    a
48    b
47    c
0     d
1     e
2     f

>>> s.loc[0]    # value at index label 0
'd'

>>> s.iloc[0]   # value at index location 0
'a'

>>> s.loc[0:1]  # rows at index labels between 0 and 1 (inclusive)
0    d
1    e

>>> s.iloc[0:1] # rows at index location between 0 and 1 (exclusive)
49    a

以下是 s.loc 之间的一些差异/相似之处和 s.iloc当传递各种对象时:


<对象>
描述s.loc[<object>]s.iloc[<object>]
0单品
索引标签处的值 0 (字符串 'd' )
索引位置 0 处的值(字符串 'a')
0:1片
两个行(标签 0 和 1)
一个行(位置 0 处的第一行)
1:47带越界结束的切片
零 行(空系列)
五 行(位置 1 起)
1:47:-1带负步的切片
三 行(标签 1 回到 47)
零 行(空系列)
[2, 0]整数列表
两个具有给定标签的行
两个具有给定位置的行
s > 'e'Bool 系列(指示哪些值具有属性)
一个行(包含 'f')NotImplementedError(s>'e').values bool 数组
一个行(包含 'f')
同 loc999int 对象不在索引中KeyErrorIndexError (越界)
-1int 对象不在索引中KeyError返回 s 中的最后一个值
lambda x: x.index[3]可调用应用于系列(此处返回索引中的第三项)s.loc[s.index[3]]s.iloc[s.index[3]]
loc的标签查询功能远远超出整数索引，值得强调几个额外的例子。
这是一个索引包含字符串对象的系列:

>>> s2 = pd.Series(s.index, index=s.values)
>>> s2
a    49
b    48
c    47
d     0
e     1
f     2

自 loc是基于标签的，它可以使用 s2.loc['a'] 获取系列中的第一个值.它还可以使用非整数对象切片:

>>> s2.loc['c':'e']  # all rows lying between 'c' and 'e' (inclusive)
c    47
d     0
e     1

对于 DateTime 索引，我们不需要传递确切的日期/时间来按标签获取。例如:

>>> s3 = pd.Series(list('abcde'), pd.date_range('now', periods=5, freq='M')) 
>>> s3
2021-01-31 16:41:31.879768    a
2021-02-28 16:41:31.879768    b
2021-03-31 16:41:31.879768    c
2021-04-30 16:41:31.879768    d
2021-05-31 16:41:31.879768    e

然后要获取 2021 年 3 月/4 月的行，我们只需要:

>>> s3.loc['2021-03':'2021-04']
2021-03-31 17:04:30.742316    c
2021-04-30 17:04:30.742316    d

行和列loc和 iloc使用 DataFrame 的方式与使用 Series 的方式相同。需要注意的是，这两种方法都可以同时处理列和行。
当给定一个元组时，第一个元素用于索引行，如果存在，第二个元素用于索引列。
考虑下面定义的 DataFrame:

>>> import numpy as np 
>>> df = pd.DataFrame(np.arange(25).reshape(5, 5),  
                      index=list('abcde'), 
                      columns=['x','y','z', 8, 9])
>>> df
    x   y   z   8   9
a   0   1   2   3   4
b   5   6   7   8   9
c  10  11  12  13  14
d  15  16  17  18  19
e  20  21  22  23  24

然后例如:

>>> df.loc['c': , :'z']  # rows 'c' and onwards AND columns up to 'z'
    x   y   z
c  10  11  12
d  15  16  17
e  20  21  22

>>> df.iloc[:, 3]        # all rows, but only the column at index location 3
a     3
b     8
c    13
d    18
e    23

有时我们想为行和列混合标签和位置索引方法，以某种方式结合 loc 的功能。和 iloc .
例如，考虑以下 DataFrame。如何最好地将行切成并包括“c”并取前四列？

>>> import numpy as np 
>>> df = pd.DataFrame(np.arange(25).reshape(5, 5),  
                      index=list('abcde'), 
                      columns=['x','y','z', 8, 9])
>>> df
    x   y   z   8   9
a   0   1   2   3   4
b   5   6   7   8   9
c  10  11  12  13  14
d  15  16  17  18  19
e  20  21  22  23  24

我们可以使用 iloc 实现这个结果以及另一种方法的帮助:

>>> df.iloc[:df.index.get_loc('c') + 1, :4]
    x   y   z   8
a   0   1   2   3
b   5   6   7   8
c  10  11  12  13

get_loc() 是一个索引方法，意思是“获取标签在这个索引中的位置”。请注意，由于使用 iloc 进行切片不包括它的端点，如果我们还想要行 'c'，我们必须给这个值加 1。