Pandas loc[] 与 iloc[] 区别详解 索引切片用法对比及实战避坑

在 Pandas 数据处理中，iloc[]与loc[]是数据索引、切片的核心方法，也是新手最易混淆的知识点。二者核心差异在于索引依据：iloc 基于整数位置取数，loc 基于标签取数，同时切片规则、适用场景也完全不同。本文通过清晰对比与实例演示，精准拆解两者区别，帮你彻底掌握数据选取技巧，避开使用坑点。以下分点对比并结合实例说明：

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 都支持可调用对象（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）

先创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）

两者都支持布尔数组，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：
   • 若需要按“数据的物理顺序”取数（如“前 5 行”），用iloc；
   • 若需要按“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

结语

熟练区分iloc[]与loc[]，是提升 Pandas 数据处理效率的关键。牢记 iloc 按整数位置、左闭右开，loc 按标签、包含终点的核心规则，根据物理顺序或命名需求选择对应方法，就能高效完成数据选取。掌握以上用法与注意事项，可轻松应对各类数据索引场景，避免操作失误。

以上关于Pandas loc[] 与 iloc[] 区别详解 索引切片用法对比及实战避坑的文章就介绍到这了，更多相关内容请搜索码云笔记以前的文章或继续浏览下面的相关文章，希望大家以后多多支持码云笔记。