pandas.DataFrame()的loc locloc與iloc ilociloc用法
pandas.DataFrame() pandas.DataFrame()pandas.DataFrame()實際上是一個二維矩陣，loc locloc與iloc ilociloc方法都是用於從pandas.DataFrame() pandas.DataFrame()pandas.DataFrame()中選取一些行，一些列，或者具體的某個位置的值，也可以間接的來改變DataFrame DataFrameDataFrame裏面的滿足條件的行，列，或具體位置的值，loc locloc與iloc ilociloc的區別就在於loc locloc是Selection by Label Selection\ by\ LabelSelection by Label (即通過標籤索引)，而iloc ilociloc是Selection by Position Selection\ by\ PositionSelection by Position (即通過DataFrame DataFrameDataFrame的下標索引，DataFrame DataFrameDataFrame行列下標都是0,1,2... 0,1,2...0,1,2...)
函數原型
df.loc[row_indexer,column_indexer] df.loc[row\_indexer,column\_indexer]df.loc[row_indexer,column_indexer] (iloc ilociloc也一樣)
其中row_indexer row\_indexerrow_indexer與column_indexer column\_indexercolumn_indexer分別指行和列的索引方法，下文要講的就是各種各樣的索引方法，每種方法即可作爲row_indexer row\_indexerrow_indexer也可以作爲column_indexer column\_indexercolumn_indexer，所以可以自由組合（但是隻能loc locloc與loc locloc的方法組合，iloc ilociloc與iloc ilociloc的方法組合，不可交叉）,在不指定column_indexer column\_indexercolumn_indexer的情況下默認全部選，但是如果不指定row_indexer row\_indexerrow_indexer的話需要這樣寫DataFrame.loc[:,column_indexer] DataFrame.loc[:,column\_indexer]DataFrame.loc[:,column_indexer]
pandas.DataFrame.loc pandas.DataFrame.locpandas.DataFrame.loc
loc locloc方法通過標籤或者bool數組選取一些行和列，首先構造一個DataFrame，作爲全文解析用的例子：
import pandas as pd
import numpy as np #numpy後面要用到
df=pd.DataFrame([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]
,columns=['Chinease','Math','English','Politics']
,index=['Bob','Cindy','Alice','QWQ'])
print(df)
1
2
3
4
5
6
7
也就是這樣的一個DataFrame：
Chinease Math English Politics
Bob 1 2 3 4
Cindy 5 6 7 8
Alice 9 10 11 12
QWQ 13 14 15 16
loc locloc的幾種使用方法如下所述：
通過單個標籤選取一行或者一列，如 ‘Alice’
如選取Alice這一行：
print(df.loc['Alice']) #返回值類型爲Series
1
輸出如圖：
當然也可以選取一列：
print(df.loc[:,'Math'])
1
輸出如圖：
對應的修改某一行或者某一列的所有值的操作爲：
df.loc['Bob']=10 #修改Bob這一行的所有值爲10
df.loc[:,'English']=0 #修改English這一列的所有值爲0
df.loc['Bob','English']=0 #修改Bob同學的English成績爲0
1
2
3
剩下的方法對應的改值方法類似，故下面不再贅述
通過標籤的一個列表或者一個array來選取一些行
如選取Bob和Alice這兩行
print(df.loc[['Bob','Alice']]) #返回值類型爲DataFrame
1
運行結果：
也可以通過使用numpy.array來索引：
print(df.loc[np.array(['Bob','Alice'])])
1
運行結果與上圖一致
通過標籤的一個切片(slice) (slice)(slice)來選取一些連續的行，這裏需要注意兩點，第一這裏是標籤的切片，比如 ‘Bob’:‘Alice’ 這樣，第二就是這裏的切片有一點不同於python裏的普通切片：這裏的切片包含上界
比如選取從Bob到Alice之間的所有行：
print(df.loc['Bob':'Alice']) #返回值類型爲DataFrame
1
運行結果如圖：
通過一個與軸等長的bool boolbool數組選取一些行，這裏的數組實際上可以是list listlist或者numpy.array numpy.arraynumpy.array或者是值類型爲bool boolbool的Series SeriesSeries
比如選取 Bob, Alice, QWQ 這三行:
print(df.loc[[False,False,True,True]]) #list
print(df.loc[np.array([False,False,True,True])]) #numpy.array
print(df.loc[df['English']>8]) #語句df['English']>8返回的就是一個只爲布爾類型的Series
1
2
3
三種寫法效果相同：
上述四種方法可以兩兩組合來同時索引行和列
例如：
print(df.loc[df['English']>6,[True,False,True,True]]) #取English大於6的行與第0，2，3列的交集
1
輸出如下所示：
pandas.DataFrame.iloc pandas.DataFrame.ilocpandas.DataFrame.iloc
iloc ilociloc方法通過下標（即整數）訪問一些行或者列，只是把loc locloc方法中採用的標籤索引改成下表訪問了而已，方法與上述方法相同，故這裏只給出一些例子，讀者需要用的話可以自行運行測試
通過一個整數下標訪問：
df.iloc[0] #返回df的第0行，返回值類型爲Series
1
通過一個包含整數的list listlist訪問：
df.iloc[[0,2,3]] #返回df的第0，2，3行，返回值類型爲DataFrame
1
通過一個切片訪問，注意這裏的切片和不同的切片一樣，即不包含上界
df.iloc[1:3] #返回df的第1，2行，返回值類型爲DataFrame
1
通過一個與軸等長的布爾數組訪問
df.iloc[[True,False,True,True]] #返回df中第0，2，3行，返回值類型爲DataFrame
1
上述四種方式可以兩兩組合來同時索引行和列
例如：
print(df.iloc[0:3,[True,False,True,True]]) #選取第0，1，2行與0，2，3列的交集，返回值類型爲DataFrame
1
參考
官方文檔
————————————————
版權聲明：本文爲CSDN博主「wzw1105」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/qq_40791842/article/details/103018201