pandas中的loc和iloc_pandas获取指定数据的行和列

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

实际操作中我们经常需要寻找数据的某行或者某列，这里介绍我在使用Pandas时用到的两种方法：iloc和loc。

目录

1.loc方法

（1）读取第二行的值

 （2）读取第二列的值

（3）同时读取某行某列

（4）读取DataFrame的某个区域

（5）根据条件读取

（6）也可以进行切片操作

2.iloc方法

（1）读取第二行的值

 （2）读取第二行的值

（3）同时读取某行某列

（4）进行切片操作

loc：通过行、列的名称或标签来索引

iloc：通过行、列的索引位置来寻找数据

首先，我们先创建一个Dataframe，生成数据，用于下面的演示

import pandas as pd
import numpy as np

# 生成DataFrame
data = pd.DataFrame(np.arange(30).reshape((6,5)),
                    columns=['A','B','C','D','E'])
# 写入本地
data.to_excel("D:\\实验数据\\data.xls", sheet_name="data")
print(data)

1.loc方法

loc方法是通过行、列的名称或者标签来寻找我们需要的值。

（1）读取第二行的值

# 索引第二行的值，行标签是“1”
data1 = data.loc[1]

        结果：

备注：
#下面两种语法效果相同

data.loc[1] == data.loc[1,:]

 （2）读取第二列的值

# 读取第二列全部值
data2 = data.loc[ : ,"B"]

        结果：

（3）同时读取某行某列

# 读取第1行，第B列对应的值
data3 = data.loc[ 1, "B"]

        结果：

（4）读取DataFrame的某个区域

# 读取第1行到第3行，第B列到第D列这个区域内的值
data4 = data.loc[ 1:3, "B":"D"]

        结果：

（5）根据条件读取

# 读取第B列中大于6的值
data5 = data.loc[ data.B > 6] #等价于 data5 = data[data.B > 6]

        结果：

（6）也可以进行切片操作

# 进行切片操作，选择B，C，D，E四列区域内，B列大于6的值
data1 = data.loc[ data.B >6, ["B","C","D","E"]]

结果：

2.iloc方法

iloc方法是通过索引行、列的索引位置[index, columns]来寻找值

（1）读取第二行的值

# 读取第二行的值，与loc方法一样

data1 = data.iloc[1]

# data1 = data.iloc[1, :]，效果与上面相同

        结果：

 （2）读取第二列的值

# 读取第二列的值
data1 = data.iloc[:, 1]

        结果：

（3）同时读取某行某列

# 读取第二行,第二列的值
data1 = data.iloc[1, 1]

        结果：

（4）进行切片操作

# 按index和columns进行切片操作
# 读取第2、3行，第3、4列
data1 = data.iloc[1:3, 2:4]

        结果：

注意：

这里的区间是左闭右开，data.iloc[1:3, 2:4]中的第4行、第5列取不到