1.基本简介
1.1 loc与iloc基本含义
loc函数：通过行索引 “Index” 中的具体值来取行数据（如取"Index"为"A"的行）
iloc函数：通过行号来取行数据（如取第二行的数据）
注：loc是location的意思，iloc中的i是integer的意思，仅接受整数作为参数。
1.2 loc与iloc的区别
官网解释DataFrame中的loc与iloc：
Purely integer-location based indexing for selection by position. --iloc
Access a group of rows and columns by label(s) or a boolean array. --loc
二者的区别(传入参数的不同)：
loc works on labels in the index.
iloc works on the positions in the index (so it only takes integers).
2.使用方法
2.0 数据准备
# 导包
import numpy as np
import pandas as pd
#创建Dataframe
data=pd.DataFrame(np.arange(25).reshape(5,5),index=list('abcde'),columns=list('ABCDE'))
2.1 使用loc与iloc提取行数据
需求：获取索引为’a’的行数据
# loc的方式
data.loc['a']
# 输出结果：
A 0
B 1
C 2
D 3
E 4
Name: a, dtype: int32
# iloc的方式：索引为a即为第一行数据
data.iloc[0]
# 输出结果：
A 0
B 1
C 2
D 3
E 4
Name: a, dtype: int32
# iloc按照切片方式处理
data.iloc[:1]
2.2 使用loc与iloc提取列数据
需求：取’A’列所有行，多取几列格式为 data.loc[:,[‘A’,‘B’]]，data.iloc[:,[0,1]]
data.loc[:,['A']]
# 'A'列的数据即为第0列的数据
data.iloc[:,[0]]
2.3 使用loc与iloc提取指定行、列的数据
需求: 提取index为’a’,‘b’,列名为’A’,'B’中的数据
# 提取index为'a','b',列名为'A','B'中的数据
data.loc[['a','b'],['A','B']]
# 提取第0、1行，第0、1列中的数据
data.iloc[[0,1],[0,1]]
2.4 使用loc与iloc提取所有数据
需求：提取所有数据
data.loc[:,:]
data.iloc[:,:]
2.5 使用loc根据某个条件来提取数据所在的行
需求1：提取A列中数值为0的所在行数据
data.loc[data['A']==0]
需求2：提取A列中数字为0，且B列中数值为1所在行的数据
data.loc[(data['A']==0) & (data['B']==1)]
# 其他实现方式：
data[data['A']==0] #dataframe用法
data[data['A'].isin([0])] #isin函数
data[(data['A']==0)&(data['B']==2)] #dataframe用法
data[(data['A'].isin([0]))&(data['B'].isin([2]))] #isin函数
Out[15]:
A B C D E
a 0 1 2 3 4
3. 总结
对于loc选取行列数据：
行根据行标签，也就是索引筛选，列根据列标签，列名筛选
如果选取的是所有行或者所有列，可以用：代替
行标签选取的时候，两端都包含，比如[0:5]指的是0，1，2，3，4，5
对于iloc选取行列数据：
iloc基于位置索引，简言之，就是第几行第几列，只不过这里的行列都是从0开始的。
iloc的0：X中不包括X，只能到X-1.
原文链接：https://blog.csdn.net/weixin_44852067/article/details/122301685
