利用Pandas读取某列某行数据之loc和iloc用法总结

“利用Pandas读取某列某行数据之loc和iloc用法总结”是关于Pandas数据框架中提取数据的两种常用方法loc和iloc的总结。在这篇攻略中，我们将会讲解这两种方法的具体用法和区别，以及它们在数据提取中的应用。

什么是loc和iloc

在Pandas中， loc 和 iloc 用于处理Pandas数据框架中的行和列。它们都可以通过行和列名或行和列号来提取数据。

• loc： 根据行和列标签提取数据。
• iloc： 根据行和列号提取数据。

loc的用法

loc方法使用行标签和列标签来提取数据。下面是一个例子：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'Name': ['John', 'Mike', 'Lisa', 'Bob'],
                   'Age': [31, 28, 42, 25],
                   'Country': ['USA', 'Canada', 'Japan', 'USA']})

# 设置 Name 作为索引列
df.set_index('Name', inplace=True)

# 使用 loc 进行数据提取
print(df.loc['John', 'Age'])

在这个例子中，我们创建了一个数据框，并将 "Name" 设置为了索引列。我们使用了 loc 方法来提取 “John”的年龄。“John”是行标签，“Age”是列标签，所以使用 loc 方法时需要同时指定行标签和列标签。

31

我们也可以使用切片来提取一定范围内的行和列数据：

print(df.loc['Mike':'Bob', ['Age', 'Country']])

这将输出 “Mike”到“Bob”这个范围内所有行，以及“Age”和“Country”两列的数据：

      Age Country
Name             
Mike   28  Canada
Lisa   42   Japan
Bob    25     USA

iloc的用法

iloc 方法使用行号和列号来提取数据。以下是一个示例：

# 使用 iloc 进行数据提取
print(df.iloc[1, 1])

在这个例子中，我们使用 iloc 方法来提取数据框中的第二行，第二列的数据，数据的位置由行号和列号确定。

28

我们也可以使用切片来提取一定范围内的行和列数据，同样是使用行号和列号进行指定。以下是一个例子：

print(df.iloc[0:3, 1:3])

这将输出第 1-3 行和第 2-3 列的数据：

      Age Country
Name             
John   31     USA
Mike   28  Canada
Lisa   42   Japan 

总结

本文总结了 Pandas 中两个最常用的索引方法 loc 和 iloc，其中 loc 是通过行和列标签获取数据，而 iloc 是通过位置（行和列号）获取数据。我们示范了在实际项目中如何使用这些方法，以及如何在提取数据时结合其他技巧实现更强大的功能。