极客教程pandas dataframe loc iloc函数的使用方法
在数据分析过程中，我们经常需要对数据进行各种操作，如选择、修改、删除等。在pandas库中，我们可以使用loc和iloc函数来实现这些操作。本文将详细介绍loc和iloc函数的使用方法，并提供相关的示例代码。
1. loc函数
loc函数是pandas库中的一个重要函数，它主要用于通过标签选择数据。loc函数的基本语法如下：
df.loc[row_label, column_label]
其中，df是一个DataFrame对象，row_label和column_label分别是行标签和列标签。
下面我们通过一些示例来详细介绍loc函数的使用方法。
示例1：选择单个元素
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[1, 'name'])
Output:
示例2：选择一行数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[1])
Output:
示例3：选择一列数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[:, 'name'])
Output:
示例4：选择多行数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[[1, 3]])
Output:
示例5：选择多列数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[:, ['name', 'city']])
Output:
示例6：选择多行多列数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[[1, 3], ['name', 'city']])
Output:
示例7：使用切片选择数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[1:3, 'name':'city'])
Output:
示例8：使用布尔索引选择数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[df['age'] > 20])
Output:
2. iloc函数
iloc函数是pandas库中的另一个重要函数，它主要用于通过位置选择数据。iloc函数的基本语法如下：
df.iloc[row_index, column_index]
其中，df是一个DataFrame对象，row_index和column_index分别是行索引和列索引。
下面我们通过一些示例来详细介绍iloc函数的使用方法。
示例9：选择单个元素
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[1, 0])
Output:
示例10：选择一行数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[1])
Output:
示例11：选择一列数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[:, 0])
Output:
示例12：选择多行数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[[1, 3]])
Output:
示例13：选择多列数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[:, [0, 2]])
Output:
示例14：选择多行多列数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[[1, 3], [0, 2]])
Output:
示例15：使用切片选择数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[1:3, 0:2])
Output:
3. loc和iloc的区别
loc和iloc虽然都可以用来选择数据，但它们之间还是有一些区别的。
首先，loc是基于标签的，而iloc是基于位置的。这意味着，当我们使用loc选择数据时，需要提供的是行标签和列标签；而当我们使用iloc选择数据时，需要提供的是行索引和列索引。
其次，“loc在处理切片时包含结束点，而iloc在处理切片时不包含结束点。这意味着，如果我们使用loc选择数据时，提供的切片1:3将会选择索引为1、2、3的数据；而如果我们使用iloc选择数据时，提供的切片1:3`将会选择索引为1、2的数据。
下面我们通过一些示例来展示loc和iloc在处理切片时的区别。
示例16：使用loc选择数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.loc[1:3])
Output:
示例17：使用iloc选择数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
print(df.iloc[1:3])
Output:
4. loc和iloc的应用
loc和iloc不仅可以用来选择数据，还可以用来修改数据。下面我们通过一些示例来展示如何使用loc和iloc修改数据。
示例18：使用loc修改单个元素
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
df.loc[1, 'name'] = 'Robert'
print(df)
Output:
示例19：使用iloc修改单个元素
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
df.iloc[1, 0] = 'Robert'
print(df)
Output:
示例20：使用loc修改一行数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
df.loc[1] = ['Robert', 33, 'Chicago']
print(df)
Output:
示例21：使用iloc修改一行数据
import pandas as pd
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David'],
'age': [25, 32, 18, 21],
'city': ['New York', 'Los Angeles', 'San Francisco', 'Seattle']
}
df = pd.DataFrame(data)
df.iloc[1] = ['Robert', 33, 'Chicago']
print(df)
Output:
总结起来，loc和iloc是pandas库中非常重要的两个函数，它们可以帮助我们方便地选择和修改数据。在实际的数据分析过程中，我们需要根据实际情况选择使用loc还是iloc。