pandas中.loc和.iloc以及.at和.iat的区别说明

下面我将对pandas中的.loc和.iloc以及.at和.iat进行详细的区别说明。

.loc和.iloc的区别

.loc和.iloc都是用来选取pandas DataFrame数据的两种方法。它们在使用上的区别如下：

• .loc使用标签（label）来选取数据，即通过行或列的索引标签进行选取。
• .iloc使用整数位置（integer position）来选取数据，即通过行或列在数据起始位置的整数索引来进行选取。

下面是两条操作示例：

import pandas as pd

# 创建DataFrame数据
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])
print(df)

# 通过.loc[]选取数据
print(df.loc['a':'b', 'A':])

# 通过.iloc[]选取数据
print(df.iloc[0:2, 0:])

输出结果如下：

   A  B  C
a  1  4  7
b  2  5  8
c  3  6  9

   A  B  C
a  1  4  7
b  2  5  8

   A  B  C
a  1  4  7
b  2  5  8

.at和.iat的区别

.at和.iat也是用来选取pandas DataFrame数据的两种方法，但是它们只能选取单一的值，而不能选取多行或多列。它们在使用上的区别如下：

• .at使用标签（label）来选取单一的值，即通过行或列的索引标签进行选取。
• .iat使用整数位置（integer position）来选取单一的值，即通过行或列在数据起始位置的整数索引来进行选取。

下面是两条操作示例：

import pandas as pd

# 创建DataFrame数据
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])
print(df)

# 通过.at[]选取单一值
print(df.at['a', 'A'])

# 通过.iat[]选取单一值
print(df.iat[0,2])

输出结果如下：

   A  B  C
a  1  4  7
b  2  5  8
c  3  6  9

1

7

以上就是.loc和.iloc以及.at和.iat的区别说明了。