loc函数：通过 行索引 “Index” 中的具体值来取行数据（如取”Index”为”A”的行）
iloc函数： 通过 行号来取行数据（如取第二行的数据）
import numpy as np
import pandas as pd
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
In[2]: data.loc['a']
Out[2]:
A 0
B 1
C 2
D 3
In[3]: data.iloc[0]
Out[3]:
A 0
B 1
C 2
D 3
In[4]:data.loc[:,['A']]
Out[4]:
A
a 0
b 4
c 8
d 12
In[5]:data.iloc[:,[0]]
Out[5]:
A
a 0
b 4
c 8
d 12
In[6]:data.loc[['a','b'],['A','B']]
Out[6]:
A B
a 0 1
b 4 5
In[7]:data.iloc[[0,1],[0,1]]
Out[7]:
A B
a 0 1
b 4 5
In[8]:data.loc[:,:]
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[:,:]
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
In[10]: data.loc[data['A']==0]
Out[10]:
A B C D
a 0 1 2 3
In[11]: data.loc[(data['A']==0)&(data['B']==1)]
Out[11]:
A B C D
a 0 1 2 3
同时，以下几种写法也可提取数据所在的行，与第五种用法类似。
In[12]: data[data['A']==0]
In[13]: data[data['A'].isin([0])]
In[14]: data[(data['A']==0)&(data['B']==1)]
In[15]: data[(data['A'].isin([0]))&(data['B'].isin([1]))]
Out[15]:
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
接下来是总结iloc在特殊场景下的用法：
：取每个user同一subject排倒数第二得成绩
In[16]:
df = pd.DataFrame({'user': ['A', 'B', 'A','D'], 'subject': [11, 12, 11, 13], 'score': [90, 99, 89, 90]})
df
Out[16]:
user subject score
0 A 11 90
1 B 12 99
2 A 11 89
3 D 13 90
In[17]:
grouped_data = df.sort_values(by='score').groupby(['user', 'subject'])['score'].apply(lambda i:i.iloc[-2] if len(i)> 1 else i.iloc[-1])
grouped_data
Out[17]:
user subject
A 11 89
B 12 99
D 13 90
Name: score, dtype: int64
Original: https://blog.csdn.net/qq_39657585/article/details/114778969
Author: Demi 丫
Title: Pandas中loc和iloc函数用法总结， 以及如何在groupBy后提取分组的指定行数据
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/678813/
转载文章受原作者版权保护。转载请注明原作者出处！