loc函数：通过行索引（ 列名、行名） 中的具体值来取行数据（ 如取”Index”为”A”的行）
iloc函数：通过行号（ 数字）来取行数据（ 如取第二行的数据）
需要知道：
data[‘A’] 是选取data表中的列名为A的所有数据，这个只对列有效，对行没有用，因为列有列名，而行没有行名
例如此时，data[‘a’] 就是错的
一、iloc
data.iloc[ A:B ,C:D ]
用法：逗号前面表示的是取哪些行，逗号后面表示取哪些列
例如1：data.iloc[ 0:2 ,1:2 ] # 取第0-2行和1-2列交叉的所有的数据
例如2：data.iloc[ : ,1:2 ] # 取所有行和1-2列交叉的所有的数据
例如3：data.iloc[ : , : ] # 取所有行和所有列的所有的数据
例如4：data.iloc[ : , [1,2,3] ] # 取所有行和第1,2,3列交叉的所有的数据
二、loc
想要得到某行的所有值，只需要data.loc[‘该行的第一个元素’]]，这里是一个[]
想要得到某列的所有值，通过data.loc[: , [‘该列的第一个元素’]]
例如1：data.loc[ : ,’A’ ] # 取列名为A的该列的所有数据
例如2：data.iloc[ ‘a’:’c’ ,’A’ ] # 取行号为a、c的列为A的所有数据
data.loc[data[‘A’]==0] # A列中数字为0所在的行数据
- 利用loc、iloc提取某一行数据
import numpy as np
import pandas as pd
#创建一个Dataframe
data=pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('ABCD'))
In[1]: data
Out[1]:
A B C D
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
#取索引为'a'的行
In[2]: data.loc['a']
Out[2]:
A 0
B 1
C 2
D 3
#取第一行数据，索引为'a'的行就是第一行，所以结果相同
In[3]: data.iloc[0]
Out[3]:
A 0
B 1
C 2
D 3
- 利用loc、iloc提取某一列或者几列数据
In[4]:data.loc[:,['A']] #取'A'列所有行，多取几列格式为 data.loc[:,['A','B']]
Out[4]:
A
a 0
b 4
c 8
d 12
In[5]:data.iloc[:,[0]] #取第0列所有行，多取几列格式为 data.iloc[:,[0,1]]，取第0列和第1列的所有行
Out[5]:
A
a 0
b 4
c 8
d 12
4.利用loc、iloc提取所有数据
In[8]:data.loc[:,:] #取A,B,C,D列的所有行
Out[8]:
A B C D
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
In[9]:data.iloc[:,:] #取第0,1,2,3列的所有行
Out[9]:
A B C D
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
5.利用loc函数，根据某个数据来提取数据所在的行
In[10]: data.loc[data['A']==0] #提取data数据(筛选条件: A列中数字为0所在的行数据)
Out[10]:
A B C D
a 0 1 2 3
In[11]: data.loc[(data['A']==0)&(data['B']==2)] #提取data数据(多个筛选条件)
Out[11]:
A B C D
a 0 1 2 3
利用loc函数的时候，当index相同时，会将相同的Index全部提取出来，
优点是：如果index是人名，数据框为所有人的数据，那么我可以将某个人的多条数据提取出来分析；
缺点是：如果index不具有特定意义，而且重复，那么提取的数据需要进一步处理,可用.reset_index()函数重置index
这里给一个实际场景：
Excel中的某一部分如下所示：
此时我们想取到Excel表格的第2列到倒数第二列所有的数据，那么我使用以下代码：
o_train = pd.read_csv('./dataset/train.csv')
o_test = pd.read_csv('./dataset/test.csv')
print(o_train.shape) #(1314, 81)
print(o_test.shape) #(146, 81)
### 'MSSubClass':'SaleCondition'是第二列到倒数第二列
all_features = pd.concat((o_train.loc[:, 'MSSubClass':'SaleCondition'], o_test.loc[:, 'MSSubClass':'SaleCondition'])) # [1460 rows x 79 columns]
all_labels = pd.concat((o_train.loc[:, 'SalePrice'], o_test.loc[:, 'SalePrice'])) # Length: 1460,
得到如下结果：
参考下文：Pandas中loc和iloc函数用法详解（源码+实例）_我是二师兄的博客-CSDN博客_iloc函数用法
【python】pandas中 loc & iloc用法及区别 – 知乎
Original: https://blog.csdn.net/weixin_43135178/article/details/124320736
Author: 马鹏森
Title: Pandas中loc和iloc函数（提取某几列或者行的数据）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/624508/
转载文章受原作者版权保护。转载请注明原作者出处！