python中dataframe的iloc和loc的使用区别

本文主要是介绍python中dataframe的iloc和loc的使用区别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

常用语法

data.iloc[i, j]：选择第 i 行第 j 列的元素，若索引下标从0开始，对应的是第 i+1 行第 j+1 列的元素。
data.iloc[i, :]：选择第 i 行的所有列，若索引下标从0开始，对应的是第 i+1 行所有列的元素。
data.iloc[:, j]：选择所有行的第 j 列，若索引下标从0开始，对应的是所有行第 j+1 列的元素。
data.iloc[i:j, k:l]：==选择从第 i 行到第 j 行（不包括第 j 行）和从第 k 列到第 l 列（不包括第 l 列）的数据。左闭右开区间的选择，若索引下标从0开始，对应的是第 i+1 行到第 j+1 行（不包括第 j+1 行）和从第 k+1 列到第 l+1 列（不包括第 l+1 列）的数据

常用语法：

首先，创建一个示例 DataFrame：index表示的是行索引，columns是列索引

import pandas as pd# 创建一个示例 DataFrame
data = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
}, index=['row1', 'row2', 'row3'])print(data)

输出：

       A  B  C
row1  1  4  7
row2  2  5  8
row3  3  6  9

选择特定元素：索引下标都是从0开始
```
element = data.iloc[1, 2]
print(element)
```
输出：
```
8
```
选择第二行第三列的元素（位置索引是从0开始的）。
选择特定行：
```
row_data = data.iloc[1, :]
print(row_data)
```
输出：
```
A    2
B    5
C    8
Name: row2, dtype: int64
```
选择第二行的所有列数据。也就是第二行的所有数据

选择特定列：

col_data = data.iloc[:, 1]
print(col_data)

输出：

row1    4
row2    5
row3    6
Name: B, dtype: int64

选择所有行的第二列数据。

选择行和列的范围：
```
subset = data.iloc[0:2, 1:3]
print(subset)
```
输出：
```
      B  C
row1  4  7
row2  5  8
```
选择第一行到第二行（不包括第三行）和第二列到第三列（不包括第四列）的数据。

选择特定元素：
```
element = data.loc['row2', 'C']
print(element)
```
输出：
```
8
```
选择行标签为 row2 和列标签为 C 的元素。

选择特定行：

row_data = data.loc['row2', :]
print(row_data)

输出：

A    2
B    5
C    8
Name: row2, dtype: int64

选择行标签为 row2 的所有列数据。

选择特定列：

col_data = data.loc[:, 'B']
print(col_data)

输出：

row1    4
row2    5
row3    6
Name: B, dtype: int64

选择所有行的列标签为 B 的数据。

选择行和列的范围：
```
subset = data.loc['row1':'row2', 'B':'C']
print(subset)
```
输出：
```
      B  C
row1  4  7
row2  5  8
```
选择从 row1 到 row2 行（包括row2）和从 B 列到 C 列的数据（包括 C）。