平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“Pandas中iloc[]和loc[]的实现方法示例”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

目录

• 一、区别对比
• 二、实例演示（构造带自定义标签的DataFrame）
• 1. iloc取单行/loc取单列
• 2. iloc取多行/loc取多列（切片）
• 3. 取特定行+列（二维索引）
• 4. 布尔索引（按条件取数）
• 三、注意点
• 测试：看你是否能读懂这句程序：

实际处理时，iloc[]和loc[]是Pandas中用来数据索引/切片的核心方法，核心区别在于索引依据不同：iloc基于“整数位置”，loc基于“标签（行索引名/列名）”。以下分点对比同时结合实例说明：

一、区别对比

注：Pandas 的 “列标签” 和 “行标签” 分别对应 DataFrame.columns 和 DataFrame.index。而机器学习中的 “样本标签”是指样本的目标值（label / 目标变量），二者不同。
注：iloc和loc都兼容可调用对象（callable）（比如df.loc[lambda df: df[‘列名’]>0]）

二、实例演示（构造带自定义标签的DataFrame）

在这个场景下，先新建一个行索引为自定义标签的DataFrame（避免默认整数索引，更易体现区别）：

import pandas as pd

data = pd.DataFrame(
    data={'数学': [90, 85, 78], '英语': [88, 92, 75]},
    index=['张三', '李四', '王五']  # 行标签（非默认整数）
)
print("原始DataFrame：")
print(data)

输出：

数学 英语
张三 90 88
李四 85 92
王五 78 75

1. iloc取单行/loc取单列

• iloc（按整数位置）：行位置0对应“张三”，列位置0对应“数学”

  data.iloc[0]  # 取第1行（位置0）
  # 输出：
  # 数学    90
  # 英语    88
  # Name: 张三, dtype: int64
  

• loc（按标签）：直接用行标签“张三”、列名“数学”

  data.loc['张三']  # 取标签为“张三”的行
  # 输出同iloc[0]
  

2. iloc取多行/loc取多列（切片）

• iloc（左闭右开）：0:2仅包含位置0、1（对应“张三”“李四”）

  data.iloc[0:2]  # 取位置0到2（不含2）的行
  # 输出：
  #    数学  英语
  # 张三  90  88
  # 李四  85  92

• loc（包含终点）：'张三':'王五'包含所有标签在“张三”到“王五”之间的行

  data.loc['张三':'王五']  # 取标签从“张三”到“王五”的行（含王五）
  # 输出：
  #    数学  英语
  # 张三  90  88
  # 李四  85  92
  # 王五  78  75
  

3. 取特定行+列（二维索引）

• iloc（行位置+列位置）：行位置1（李四）、列位置1（英语）

  data.iloc[1, 1]  # 取第2行（位置1）、第2列（位置1）的值
  # 输出：92
  

• loc（行标签+列名）：行标签“李四”、列名“英语”

  data.loc['李四', '英语']  # 取“李四”行、“英语”列的值
  # 输出：92
  

4. 布尔索引（按条件取数）

两者都兼容布尔数组，但loc更常用（直接关联标签）：

# 条件：数学分数>80
mask = data['数学'] > 80

# iloc：先获取满足条件的行位置，再取数
data.iloc[mask.values]  # mask.values是布尔数组，对应行位置
# 输出：
#    数学  英语
# 张三  90  88
# 李四  85  92

# loc：直接用布尔数组取数（更直观）
data.loc[mask]
# 输出同iloc

三、注意点

1. 若DataFrame用默认整数行索引（如0、1、2），iloc[0]和loc[0]结果可能相同，但逻辑本质不同：iloc[0]是“取位置0”，loc[0]是“取标签为0的行”；
2. iloc的切片不包含终点（如0:3取0、1、2），loc的切片包含终点（如0:3取标签0、1、2、3），这是最易踩坑的差异；
3. 实际场景中：
   • 落到代码里，若需按“数据的物理顺序”取数（如“前5行”），用iloc；
   • 在这个场景下，若需按“行/列的命名”取数（如“取‘张三’的成绩”），用loc。

测试：看你是否能读懂这句程序：

numerical_df.loc[numerical_df['A'] < numerical_df['B'], 'A'] = 100

到此这篇关于Pandas中iloc[]和loc[]的实现示例的文章就介绍到这了,更多相关Pandas iloc[]和loc[]内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多兼容脚本之家！

您可能感兴趣的文章:

• 用Python的pandas框架操作Excel文件中的数据教程
• 详解pandas数据合并与重塑（pd.concat篇）
• python拿到Pandas列名的几种方法
• Pandas中resample方法详解
• pandas DataFrame 删除重复的行的实现方法
• python pandas 如何替换某列的一个值
• 借助Pandas 新建空的DataFrame方法