当前位置：极客教程 > Pandas > Pandas 问答 > Pandas .loc 和 .iloc 与多层索引的数据框

Pandas .loc 和 .iloc 与多层索引的数据框

Pandas .loc 和 .iloc 与多层索引的数据框

在本文中，我们将介绍Pandas中.loc和.iloc与多层索引的数据框的用法和使用场景。

阅读更多：Pandas 教程

多层索引的数据框

多层索引的数据框是指索引有两个或多个层次结构的数据框。多层索引可以帮助我们更好地组织和理解数据，同时也提供了更多的灵活性，使我们能够更方便地对数据进行操作和分析。

例如，下面是一个由两个层次结构组成的简单数据框：

import pandas as pd

index = pd.MultiIndex.from_arrays([["one", "one", "two", "two"], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}, index=index)
Python

这个数据框由first和second两个层次结构的索引组成，其中first包含one和two两个类别，second包含1和2两个类别。每个索引可以使用.levels属性访问其唯一值：

print(data.index.levels[0])  # ['one', 'two']
print(data.index.levels[1])  # [1, 2]
Python

.loc 的用法

.loc是Pandas中用于显式地访问索引和列的方法。在多层索引的数据框中，我们可以使用.loc访问每个索引层次结构的数据。

单个元素

例如，我们可以使用.loc访问具有特定索引值的单个元素：

print(data.loc[('one', 1), 'A'])  # 1
Python

整个行或列

我们还可以使用.loc访问整个行或列的数据：

print(data.loc['one'])  # 显示 first 层次结构为 `one` 的所有行
# Output:
#         A  B
# second     
# 1       1  5
# 2       2  6

print(data.loc[:, 'A'])  # 显示所有行的 `A` 列数据
# Output:
# first  second
# one    1         1
#        2         2
# two    1         3
#        2         4
Python

整个层次结构

我们还可以使用:表示整个层次结构：

print(data.loc['one', :])  # 显示 first 层次结构为 `one` 的所有行和列
# Output:
#           A  B
# second       
# 1         1  5
# 2         2  6

print(data.loc[:, ('A', 1)])  # 显示所有行中 first 层次结构为 `A`，second 层次结构为 `1` 的列
# Output:
# first
# one    1
# two    3
Python

.iloc 的用法

.iloc是Pandas中用于隐式地访问索引和列的方法。在多层索引的数据框中，我们可以使用.iloc按整数位置访问每个层次结构。

单个元素

例如，我们可以使用.iloc访问具有特定整数位置的单个元素：

print(data.iloc[0, 0])  # 1
Python

整个行或列

我们还可以使用.iloc访问整个行或列的数据：

print(data.iloc[0])  # 显示具有整数位置为 0 的所有行
# Output:
# A    1
# B    5
# Name: (one, 1), dtype: int64

print(data.iloc[:, 0])  # 显示所有行的第一列数据：
Python
print(data.iloc[:, 0])  # 显示所有行的第一列数据
# Output:
# first  second
# one    1         1
# 2         2
# two    1         3
# 2         4
Python

整个层次结构

我们还可以使用整数位置访问整个层次结构：

print(data.iloc[0, :])  # 显示具有整数位置为 0 的所有行和列
# Output:
# A    1
# B    5
# Name: (one, 1), dtype: int64

print(data.iloc[:, 0:2])  # 显示所有行的前两列数据
# Output:
# A  B
# first second
# one   1     1  5
# 2     2  6
# two   1     3  7
# 2     4  8
Python

.loc 和 .iloc 的区别

.loc和.iloc的区别在于.loc使用索引标签进行访问，而.iloc使用整数位置进行访问。这意味着.iloc只能使用整数位置进行访问，并且不能访问标签类型的索引。相反，.loc只能使用标签进行访问，并且不能使用整数位置进行访问。

例如，如果我们从具有标签和整数位置索引的数据框中选择一个单元格，则会得到不同的结果：

data2 = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}, index=[1, 2, 3, 4])

print(data2.loc[1, 'A'])  # 1
print(data2.iloc[0, 0])  # 1
Python

总结

在多层索引的数据框中，我们可以使用.loc和.iloc方法按标签或整数位置访问数据。.loc使用索引标签进行访问，.iloc使用整数位置进行访问。这两种方法是在Pandas数据分析中非常有用的工具，尤其是当我们需要访问具有多个层次结构的索引时，它们的效果尤为明显。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册