Pandas 中的 LOC 与 ILOC：Pandas 中 LOC 和 ILOC 的区别

Pandas 中的 Loc 和 iloc

新 Python 开发人员混淆的一个常见原因是 loc 与 iloc。 它们看起来都非常相似并且执行相似的任务。 所以这可能会让任何学生感到困惑。

如果您想找出 iloc 和 loc 之间的区别，那么您来对地方了，因为在本文中，我们将详细讨论这个主题。 您会发现这些功能之间的主要区别是什么，然后查看它们的实际操作以更好地理解这个概念。 查看我们的数据科学课程，了解更多关于 Pandas 的信息。

让我们开始吧。

loc和iloc之间的区别

1. Python中的iloc

您可以在 Python 中使用 iloc 进行选择。 它基于整数位置，可帮助您按位置进行选择。 因此，如果您想查找索引为 5 的行，iloc 将向您显示数据框的第五行，而不管其名称或标签如何。

这是 Python 中 iloc 的示例：

>>> mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4},

… {'a'：100，'b'：200，'c'：300，'d'：400}，

… {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000 }]

>>> df = pd.DataFrame(mydict)

>>> df

A B C D

0 1 2 3 4

1 100 200 300 400

2 1000 2000 3000 4000

我们将使用标量整数索引行。通过对上述数据帧使用 iloc 函数：

>>> 类型（df.iloc[0]）

<class 'pandas.core.series.Series'>

>>> df.iloc[0]

一个 1

b 2

3

d 4

名称：0，数据类型：int64

2. 定位于 Pandas

您可以在 Pandas 中使用 loc 通过标签访问多行和多列； 但是，您也可以将它与布尔数组一起使用。

如果您使用 loc 查找索引为 5 的行，您将不会得到第五行。 相反，您只会得到名称为“5”的行。

以下是 Pandas 中 loc 的示例：

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],

… index=['cobra', 'viper', 'sidewinder'],

… 列=['max_speed', 'shield'])

>>> df

max_speed 盾牌

眼镜蛇 1 2

毒蛇 4 5

响尾蛇 7 8

上面是我们将从中提取行的表：

>>> df.loc['毒蛇']

最大速度 4

盾牌 5

名称：毒蛇，数据类型：int64

loc vs iloc的详细示例

即使我们使用这两个函数进行选择，最好还是讨论一个详细的例子来理解它们的区别。

在我们的示例中，我们将使用 kaggle 上提供的电信客户数据集。 我们将其添加到数据框中：

df = pd.read_csv（“项目/churn_prediction/Telco-Customer-Churn.csv”）

df.head()

该数据集有 21 列； 我们只展示了一些用于演示目的。 正如我们已经讨论过的，我们使用 loc 按标签选择数据。 这里，列的名称是它们的列标签，例如性别、任期、OnlineSecurity； 它们都是列名和标签。

由于我们没有分配任何特定的索引，pandas 默认会为行创建一个整数索引。 行标签是整数，从 0 开始向上。 在这个例子中，我们将看到 loc 和 iloc 的行为有何不同。

• 选择“1”行和“合作伙伴”列

df.loc[1, '合作伙伴']

输出：“不”

它显示了“1”行的“合作伙伴”列中的值。

• 选择行标签“4”和列“customerID”和“gender”

df.loc[:4, ['customerID', 'gender']]

• 选择行标签“1”、“2”、“3”和“Dependents”列

df.loc[[1,2,3], '家属']

1 没有

2 否

3 否

名称：家属，dtype：对象

这一次，我们将过滤数据帧并应用 iloc 或 loc：

• 选择具有合作伙伴的客户的“10”、“PhoneService”和“InternetService”列的行标签（合作伙伴应为“是”）

df [df.Partner == 'Yes'].loc:10, ['PhoneService', 'InternetService']]

在上面的例子中，我们对数据库应用了一个过滤器，但没有更改索引，因此我们的输出省略了过滤器所需的行的多个标签。 因此，通过在这里使用 loc[:10]，我们选择了标签最多为“10”的行。

另一方面，如果我们在这里使用 iloc 并应用过滤器，我们将得到 10 行，因为 iloc 按位置选择而与标签无关。 如果我们应用 iloc[:10]，我们会得到以下结果：

df[df.Partner == '是'].iloc[:10, [6,8]]

您一定已经注意到我们必须更改选择列的方法。

阅读： Python Pandas 教程

• 使用 iloc 选择前 5 列和前 5 行

df.iloc[:4, :4]

我们可以使用 iloc 从末尾选择位置。 为此，我们只需使用负整数（-1、-2 等）并从它们开始。

• 选择最后 5 列和最后 5 行

df.iloc[-5:, -5:]

您也可以将 lambda 函数与 iloc 一起使用。 （lambda 函数是 Python 中的一个小型匿名函数，它可以有一个表达式但可以有任意数量的参数）

• 每隔三行选择一次，直到第 15 行，仅显示“互联网服务”和“合作伙伴”列

df.iloc[ lambda x: (x.index x 3 == 0) & (x.index <= 150]['Partner', 'InternetService' ]]

我们还可以选择介于两者之间的标签或位置。

• 选择 4 到 6 之间的列位置，以及 20 到 25 之间的行位置

df.iloc[20:25, 4:6]

现在，如果您尝试将标签传递给 iloc，Pandas 将向您显示以下错误消息：

ValueError:基于位置的索引只能有 [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] 类型

如果您将位置传递给 loc，您将收到类似的错误。

另请阅读：熊猫面试问题

了解有关 Python 的更多信息

学生必须提出问题并找到答案。 我们希望本文能回答您关于 Pandas 中的 loc（或 Python 中的 iloc）的问题。 如果您自己在不同的数据集上尝试这些函数以了解它们的工作原理，那将是最好的。

如果您想了解有关 Python、Pandas 和相关主题的更多信息，请访问我们的博客。 我们的专家在那里添加了多个详细资源。

如果您想了解数据科学，请查看 IIIT-B 和 upGrad 的数据科学执行 PG 计划，该计划是为在职专业人士创建的，提供 10 多个案例研究和项目、实用的实践研讨会、行业专家的指导、1与行业导师一对一，400 多个小时的学习和顶级公司的工作协助。