在这篇文章中，我们将使用iloc和loc来处理数据。更具体地说，我们将通过iloc和loc例子来学习切片和索引。

一旦我们将一个数据集加载为Pandas dataframe，我们通常希望根据某些条件开始访问该数据的特定部分。例如，如果我们的数据集包含比较不同实验组的实验结果，我们可能需要分别计算每个实验组的描述性统计。

• 更多有关对Pandas dataframes进行分组的内容

• 如何在Python中进行描述性统计

根据某些标准选择数据的特定行和列的过程通常称为切片。

Pandas Dataframe

在我们学习如何使用loc和iloc之前，我们最好先了解一下Pandas dataframe对象是如何工作的。对于本索引和切片教程的特定目的，我们最好知道dataframe中的每个行和列都有一个数字——一个索引。

这种结构是带有数字索引的行和列结构，这意味着我们可以使用行号和列号来处理数据。这在我们准备使用Pandas loc和iloc方法的时候是非常有用的。

• 请参阅博文《使用Pandas和pyjanitor——了解一些简单的Python数据清理方法》。

Data

在下面的iloc和loc例子中，我们将使用两个数据集。这些数据集，在许多其他的RDataset中，可以在这里找到，但是下面的代码将把它们加载到Pandas dataframe中:

如果您有兴趣学习更多有关Pandas数据处理的知识，请查看以下文章：

• 如何将CSV文件读入Pandas

• 如何将Excel文件读入Pandas

• 将SPSS文件读入Pandas

• 使用Python和Pandas处理JSON文件

loc 和 iloc之间有什么不同?

在继续使用Pandas iloc和Pandas loc之前，我们将回答有关loc和iloc之间的区别的问题。

首先，.loc是一个基于标签的方法，而.iloc是一个基于整数的方法。这意味着当我们对dataframe进行切片时，loc将考虑索引的名称或标签。

Pandas loc 示例链接

例如，如果“case”在一个dataframe(例如，df)的索引中，那么df.loc['case']将导致第三行被选中。注意，在下面的loc和iloc例子中，我们将使用数据集中的第一列作为索引(参见第一个代码块)。

另一方面，Pandas .iloc会根据索引的位置进行切片。与.loc不同，.iloc的行为类似于常规的Python切片。也就是说，我们只需要指定位置索引数字，就会得到我们想要的切片。

例如,df.iloc[2]会为我们提供dataframe的第三行。这是因为，就像在Python中一样，.iloc是基于0位置的，也就是说，它从0开始。我们将在下面的文章中学习如何使用loc和iloc。

iloc在Pandas中能做什么?

如前所述，Pandas iloc主要基于整数位置。也就是说，可以使用0到长度-1来对一个dataframe建立索引，无论它是行索引还是列索引。

此外，正如我们将在后面的Pandas iloc 例子中所看到的，该方法也可以与一个布尔数组一起使用。

在这个Pandas iloc教程中，我们将使用以下输入方法:

• 一个整数，例如2

• 一个整数列表，例如 [7, 2, 0]

• 一个带有整数的切片对象，例如0:7, 如上图所示

• 一个布尔型数组。

如何使用Pandas iloc

现在您可能想知道“如何使用iloc?”，当然，我们会回答这个问题。以最简单的形式，我们只需在括号中键入一个整数。

正如您在上面的Pandas iloc例子中所看到的，我们在iloc方法之后键入了一组方括号。

此外，我们还添加了一个整数(0)作为索引值，以指明我们想要获取我们的dataframe的第一行。注意，在使用.iloc时，一定要知道方括号内索引的顺序显然很重要。

第一个索引号将是我们要检索的行。如果我们要检索一个特定的列，或者某些特定的列，使用iloc，我们会输入第二个索引(或多个索引)。但是，这是可选的，并且没有第二个索引时，iloc将默认检索所有列。

如前所述，Pandas iloc语法是: DataFrame.iloc[，]。

这可能会让R统计编程环境的用户感到困惑。要进行迭代，我们可以使用Pandas中的iloc方法来以行和列在dataframe中出现的顺序按数字选择它们。

>>> 今日签到口令：ipd5 <<<

Pandas iloc 例子

在下一节中，我们将通过查看如何使用iloc的不同例子来继续这个Pandas 索引和切片教程。当然，我们已经从最基本的方法开始了;即选择单个行:

索引一个Pandas dataframe的最后一行

在下一个例子中，我们将继续使用一个整数来索引dataframe。然而，如果我们想要检索一个Pandas dataframe的最后一行，我们使用“-1”:

当我们使用iloc时，我们还可以输入一个只有一个索引整数的列表。这将会索引一行，但输出将不同于上面的例子:

使用iloc选择多行

当然，我们也可以使用iloc从一个pandas dataframe中选择很多行。例如，如果我们向列表中添加更多的索引整数，就像上面的例子一样，我们就可以选择很多行。

在Pandas中使用iloc对行进行切片

在下一个Pandas iloc例子中，我们将学习有关切片的知识。注意，稍后我们将进一步熟悉使用切片字符“:”。要选择第11行到第15行，我们只需输入以下代码:

使用Pandas iloc选择列

如前所述，当然，在使用iloc方法中的第二个参数时，我们也可以选择或切片列。在下一个iloc例子中，我们可能希望只检索dataframe中的第一列，即索引位置为0的列。

为此，我们将在使用iloc时在括号内的第二个位置使用一个整型索引值。注意，第二个位置的整数索引指定了我们要检索的列。那行是怎样呢?

注意，当我们想使用iloc选择所有行和一列(或多个列)时，我们需要使用“:”字符。

在上面的 Pandas iloc例子中，我们在括号内的第一个位置使用了“:”字符。这表明我们想要检索所有的行。提醒一下，内的第一个索引位置用来指定行，并且我们使用了“:”字符，因为我们希望从一个Pandas dataframe获取所有行。

在下一个关于如何使用Pandas iloc的例子中，我们将获取一个一些列和所有行的切片。这可以用与上面类似的方法来完成。然而，我们使用了一个Python切片来获取所有行和前6列，而不是使用一个整数:

使用iloc选择一个特定的单元格

在Pandas iloc教程的这一节中，我们将学习如何选择一个特定的单元格。

当然，这非常简单，我们只需要对我们希望从dataframe中获取的行和列使用一个整型索引值即可。例如，如果我们要选择第0行和第0列中的数据，我们只需键入df1.iloc[0, 0]。

当然，我们也可以选择多行和/或多列。为此，我们只需添加一个包含我们希望iloc为我们选择的整数索引的列表。

例如，如果我们想要选择第4行和第2、3、4列中的数据，我们只需使用以下代码:

检索单元格的子集

在下一个iloc例子中，我们将从来自dataframe的单元格中获取一个子集。

要实现这一点，我们需要组合使用iloc获取一个列切片和一个行切片:

使用布尔掩码选择列

在最后一个例子中，我们将使用一个布尔掩码来选择列。要这样做，我们当然需要知道有多少列，以及我们想要选择哪些列。

如何使用Pandas loc

在本节中，我们将介绍另一个Pandas方法，即用于从dataframe中选择数据的loc。

何时使用loc?

记住，iloc使用位置引用作为参数输入，而loc使用索引作为参数。由于loc接受索引，我们可以传递字符串(例如列名)作为一个参数，而如果我们在iloc中使用字符串时，它会抛出一个错误。因此，什么时候使用Pandas loc呢?答案就是当我们知道了索引名时。

在本loc教程中，我们将使用以下输入:

• 单个标签，例如2或' b '。

  值得注意的是，Pandas会将2解释为一个索引的标签，而不是索引上的整数位置(与iloc相反)

• 一个标签列表，例如[‘a’, ‘b’, c’]

• 一个带有标签的切片对象，例如‘shortname’:’SASname’。重要的是，当涉及到切片时，当我们使用loc时，开始和停止位置都包括在内

使用Pandas loc选择一行

在第一个Pandas loc例子中，我们将从索引为1的行中选择数据。

注意，在上面的例子中，第一行的名称为“1”。也就是说，这个“1”不是索引整数，而是该行的名字。

Pandas loc的行为方式与iloc相同，我们单个行作为series进行检索。与使用Pandas iloc一样，我们可以更改输出，以便以一个 dataframe来获取单个行。我们通过在一个列表中放入行名来做到这一点:

使用loc对行进行切片

在下一个代码例子中，我们将使用行名称来获取一个行切片。

我们还可以将一个索引列表传递给它，以选择所需的索引。

使用loc通过列名进行选择

与Pandas iloc不同，loc则进一步采用列名作为列参数。这意味着我们可以给它传递一个列名来从该列中选择数据。

在下一个loc例子中，我们将从' SASname '列中选择所有数据。

当然，另一个选项是在使用loc时将多个列名传入一个列表中。在下一个例子中，我们将从“SASname”和“longname”列中选择数据，其中行名是从1到5。

在Pandas中使用loc进行切片

在本节中，我们将会看到如何使用loc对一个Pandas dataframe进行切片。记住，“:”字符是在切片时使用的。与iloc一样，我们也可以进行切片，只不过这里我们可以使用列名和行名(如下面的例子所示)。

在下面的loc例子中，我们再次使用了第一个dataframe(即df1)，对前5行切片，并获取从“Film”列到“EA1”列的所有列。

Pandas iloc 和条件

很多时候，我们想要通过使用布尔数组来索引一个Pandas dataframe。也就是说，我们可能希望根据某些条件来选择数据。当然，这很容易用Pandas loc来实现。我们只需要向.loc方法传递一个包含真/假值的数组或Seris。

例如，如果我们想要选择Study列中值为“flat”的所有行，我们将按照以下步骤来创建一个Pandas Series，其中的dataframe中的每一行都有一个真值，其中存在“flat”。

使用多条件Pandas iloc选择行

此外，有时我们可能希望基于多个条件进行选择。例如，如果我们想要选择Study列是“flat”并且neur列大于18的所有行，我们可以按下一个例子来做：

与前面一样，我们可以使用第二个参数从dataframe中选择特定的列。请记住，在使用Pandas loc时，列是通过名称被loc索引器引用的，我们可以使用一个单个字符串、一个列的列表或一个切片“:”操作。在下一个例子中，我们将选择从EA1到NA2的列:

使用 .loc设置dataframe中的值

在本loc和iloc教程的最后一节中，我们将学习如何使用loc对dataframe设置值。

对一个dataframe设置值是非常简单的，我们需要做的只是稍微更改一下语法，并且我们实际上可以在使用.loc 索引器选择和筛选的同一语句中来更新数据。这很方便，因为我们可以根据不同的条件来更新列中的值。

在最后一个loc例子中，我们将创建一个新列(NewCol)，并在neur大于18的行中添加单词“BIG”:

结论

在这个Pandas iloc和loc教程中，我们学习了使用loc和iloc方法建立索引、选择数据和选取子集。更具体地说，我们已经了解了这些方法是如何工作的。当谈到loc时，我们已经学习了如何根据条件语句(例如，大于或等于)去选择数据，以及如何使用loc去设置值。

英文原文：https://www.marsja.se/how-to-use-iloc-and-loc-for-indexing-and-slicing-pandas-dataframes/
译者：测试