iloc vs loc：DataFrame 索引的深度对比

DataFrame 索引：iloc 与 loc

前言

在操作和切片 DataFrame 时，了解 iloc 和 loc 两种索引方法之间的差异至关重要。本文将深入探讨它们的特性、用例和最佳实践，以帮助您有效地处理 DataFrame。

基于位置的索引：iloc

iloc 用于基于整数位置对 DataFrame 进行索引。它使用行索引和列索引，从 0 开始。

• 用途： 基于位置的切片和索引，例如：
  • 获取前 5 行：df.iloc[0:5]
  • 隔行获取所有行：df.iloc[::2]
  • 获取左上角元素：df.iloc[0, 0]

基于标签的索引：loc

loc 用于基于行标签和列标签对 DataFrame 进行索引。索引可以是字符串或布尔索引器。

• 用途： 基于标签的切片和索引，例如：
  • 获取第一个带有标签为 5 的行：df.loc[:5]（包括第 5 行）
  • 获取名为 "Age" 的列：df.loc[:, 'Age']
  • 获取名为 "Alice" 的行和名为 "Age" 的列的元素：df.loc['Alice', 'Age']

iloc 与 loc：何时使用

选择 iloc 还是 loc 取决于您的索引需求：

• 使用 iloc： 当您需要进行基于位置的索引或索引为整数时。
• 使用 loc： 当您需要进行基于标签的索引或索引为字符串或布尔索引器时。

示例对比

为了更清楚地了解差异，请考虑以下 DataFrame：

Name	Age
Alice	20
Bob	25
Charlie	30
Dave	35
Eve	40

iloc ：

• df.iloc[0] 获取第一行
• df.iloc[:2] 获取前两行
• df.iloc[2:4] 获取索引为 2 和 3 的行

loc ：

• df.loc[0] 获取第一个带有标签为 0 的行（与 iloc 相同）
• df.loc['Alice'] 获取带有标签 "Alice" 的行
• df.loc['Alice':'Charlie'] 获取从 "Alice" 到 "Charlie"（包含）的所有行

最佳实践

为了有效地使用 iloc 和 loc，请遵循以下最佳实践：

• 了解索引类型： 始终确定您要处理的索引类型（整数或标签）。
• 使用适当的索引器： 使用 iloc 进行基于位置的索引，使用 loc 进行基于标签的索引。
• 优先使用 loc： 在大多数情况下，loc 更灵活且易于阅读。

常见问题解答

1. 我可以同时使用 iloc 和 loc 吗？ 是的，但是仅当它们用于索引不同的轴（行或列）时。
2. 我可以使用布尔索引器吗？ 是的，您可以在 loc 中使用布尔索引器来过滤行或列。
3. 为什么 iloc 从 0 开始？ 这是 Python 中列表和元组等序列的标准索引方式。
4. loc 和 iloc 的速度如何？ 通常，loc 比 iloc 稍慢，但差异通常很小。
5. 我什么时候应该使用基于位置的索引？ 当您需要基于 DataFrame 中的实际位置进行索引时，例如在迭代行或列时。

结论

iloc 和 loc 是在 Python 中操作 DataFrame 的强大工具。通过了解它们的差异和最佳实践，您可以有效地切片和索引您的数据，并从 Pandas 库中获得最大收益。