首先，介紹這三種方法的概述：

loc: loc?gets rows (or columns) with particular?labels?from the index. loc從索引中獲取具有特定標(biāo)簽的行（或列）。這里的關(guān)鍵是：標(biāo)簽。標(biāo)簽的理解就是name名字。

iloc: gets rows (or columns) at particular?positions?in the index (so it only takes integers).?iloc在索引中的特定位置獲取行（或列）（因此它只接受整數(shù)）。這里的關(guān)鍵是：位置。位置的理解就是排第幾個(gè)。

ix:?usually tries to behave like?loc?but falls back to behaving like?iloc?if a label is not present in the index.?ix通常會(huì)嘗試像loc一樣行為，但如果索引中不存在標(biāo)簽，則會(huì)退回到像iloc一樣的行為。

1.loc

其實(shí)，對(duì)于loc始終堅(jiān)持一個(gè)原則：loc是基于label進(jìn)行索引的！

import pandas as pd df1 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=[0, 1, 2], columns=['a','b','c']) df2 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=['e', 'f', 'g'], columns=['a','b','c']) print(df1) print(df2) ''' df1:a b c 0 1 2 3 1 4 5 6 2 7 8 9 df2:a b c e 1 2 3 f 4 5 6 g 7 8 9 '''# loc索引行，label是整型數(shù)字 print(df1.loc[0]) ''' a 1 b 2 c 3 Name: 0, dtype: int64 '''# loc索引行，label是字符型 print(df2.loc['e']) ''' a 1 b 2 c 3 Name: 0, dtype: int64 '''
# 如果對(duì)df2這么寫(xiě)：df2.loc[0]會(huì)報(bào)錯(cuò)，因?yàn)閘oc索引的是label，顯然在df2的行的名字中沒(méi)有叫0的。 print(df2.loc[0]) ''' TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'> '''# loc索引多行數(shù)據(jù) print(df1.loc[1:]) '''a b c 1 4 5 6 2 7 8 9 '''# loc索引多列數(shù)據(jù) print(df1.loc[:,['a', 'b']]) '''a b 0 1 2 1 4 5 2 7 8 '''

# df1.loc[:,0:2]這么寫(xiě)報(bào)錯(cuò), 因?yàn)閘oc索引的是label，顯然在df1的列的名字中沒(méi)有叫0，1和2的。 print(df1.loc[:,0:2]) ''' TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'> '''# locs索引某些行某些列 print(df1.loc[0:2, ['a', 'b']]) '''a b 0 1 2 1 4 5 2 7 8 '''

2.iloc

對(duì)于iloc始終也堅(jiān)持一個(gè)原則：iloc是基于position進(jìn)行索引的！

import pandas as pd df1 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=[0, 1, 2], columns=['a','b','c']) df2 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=['e', 'f', 'g'], columns=['a','b','c']) print(df1) print(df2) ''' df1:a b c 0 1 2 3 1 4 5 6 2 7 8 9 df2:a b c e 1 2 3 f 4 5 6 g 7 8 9 '''

# iloc索引行，label是整型數(shù)字 print(df1.iloc[0]) ''' a 1 b 2 c 3 Name: 0, dtype: int64 '''# iloc索引行，label是字符型。如果按照l(shuí)oc的寫(xiě)法來(lái)寫(xiě)應(yīng)該是：df2.iloc['e']，顯然這樣報(bào)錯(cuò)，因?yàn)閕loc不認(rèn)識(shí)label,它是基于位置的。 print(df2.iloc['e']) ''' TypeError: cannot do positional indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [e] of <class 'str'> '''

# iloc索引行，label是字符型。正確的寫(xiě)法應(yīng)該如下: # 也就說(shuō)，不論index是什么類(lèi)型的，iloc只能寫(xiě)位置，也就是整型數(shù)字。 print(df2.iloc[0]) ''' a 1 b 2 c 3 Name: e, dtype: int64 '''# iloc索引多行數(shù)據(jù) print(df1.iloc[1:]) '''a b c 1 4 5 6 2 7 8 9 '''# iloc索引多列數(shù)據(jù) # 如果如下寫(xiě)法，報(bào)錯(cuò)。 print(df1.iloc[:,['a', 'b']]) ''' TypeError: cannot perform reduce with flexible type '''

# iloc索引多列數(shù)據(jù), 正確寫(xiě)法如下： print(df1.iloc[:,0:2]) '''a b 0 1 2 1 4 5 2 7 8 '''# iloc索引某些行某些列 print(df1.iloc[0:2, 0:1]) '''a 0 1 1 4 '''

3.ix

注：ix的操作比較復(fù)雜，在pandas版本0.20.0及其以后版本中，ix已經(jīng)不被推薦使用，建議采用iloc和loc實(shí)現(xiàn)ix。

（1）如果索引是整數(shù)類(lèi)型，則ix將僅使用基于標(biāo)簽的索引，而不會(huì)回退到基于位置的索引。如果標(biāo)簽不在索引中，則會(huì)引發(fā)錯(cuò)誤。

（2）如果索引不僅包含整數(shù)，則給定一個(gè)整數(shù)，ix將立即使用基于位置的索引而不是基于標(biāo)簽的索引。但是，如果ix被賦予另一種類(lèi)型（例如字符串），則它可以使用基于標(biāo)簽的索引。

接下來(lái)舉例說(shuō)明這兩個(gè)特點(diǎn)：

>>> s = pd.Series(np.nan, index=[49,48,47,46,45, 1, 2, 3, 4, 5]) >>> s 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN 2 NaN 3 NaN 4 NaN 5 NaN

現(xiàn)在我們來(lái)看使用整數(shù)3切片有什么結(jié)果：

在這個(gè)例子中，s.iloc[:3]讀取前3行（因?yàn)閕loc把3看成是位置position），而s.loc[:3]讀取的是前8行（因?yàn)閘oc把3看作是索引的標(biāo)簽label）

>>> s.iloc[:3] # slice the first three rows 49 NaN 48 NaN 47 NaN>>> s.loc[:3] # slice up to and including label 3 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN 2 NaN 3 NaN>>> s.ix[:3] # the integer is in the index so s.ix[:3] works like loc 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN 2 NaN 3 NaN

注意：s.ix[:3]返回的結(jié)果與s.loc[:3]一樣，這是因?yàn)槿绻鹲eries的索引是整型的話，ix會(huì)首先去尋找索引中的標(biāo)簽3而不是去找位置3。

如果，我們?cè)噲D去找一個(gè)不在索引中的標(biāo)簽，比如說(shuō)是6呢？

>>> s.iloc[:6] 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN>>> s.loc[:6] KeyError: 6>>> s.ix[:6] KeyError: 6

在上面的例子中，s.iloc[:6]正如我們所期望的，返回了前6行。而，s.loc[:6]返回了KeyError錯(cuò)誤，這是因?yàn)闃?biāo)簽6并不在索引中。

那么，s.ix[:6]報(bào)錯(cuò)的原因是什么呢？正如我們?cè)趇x的特點(diǎn)1所說(shuō)的那樣，如果索引只有整數(shù)類(lèi)型，那么ix僅使用基于標(biāo)簽的索引，而不會(huì)回退到基于位置的索引。如果標(biāo)簽不在索引中，則會(huì)引發(fā)錯(cuò)誤。

如果我們的索引是一個(gè)混合的類(lèi)型，即不僅僅包括整型，也包括其他類(lèi)型，如字符類(lèi)型。那么，給ix一個(gè)整型數(shù)字，ix會(huì)立即使用iloc操作，而不是報(bào)KeyError錯(cuò)誤。

>>> s2 = pd.Series(np.nan, index=['a','b','c','d','e', 1, 2, 3, 4, 5]) >>> s2.index.is_mixed() # index is mix of different types True >>> s2.ix[:6] # now behaves like iloc given integer a NaN b NaN c NaN d NaN e NaN 1 NaN

注意：在這種情況下，ix也可以接受非整型，這樣就是loc的操作：

>>> s2.ix[:'c'] # behaves like loc given non-integer a NaN b NaN c NaN

這個(gè)例子就說(shuō)明了ix特點(diǎn)2。

正如前面所介紹的，ix的使用有些復(fù)雜。如果僅使用位置或者標(biāo)簽進(jìn)行切片，使用iloc或者loc就行了，請(qǐng)避免使用ix。

4.在Dataframe中使用ix實(shí)現(xiàn)復(fù)雜切片

有時(shí)候，在使用Dataframe進(jìn)行切片時(shí)，我們想混合使用標(biāo)簽和位置來(lái)對(duì)行和列進(jìn)行切片。那么，應(yīng)該怎么操作呢？

舉例，考慮有下述例子中的Dataframe。我們想得到直到包含標(biāo)簽'c'的行和前4列。

>>> df = pd.DataFrame(np.nan, index=list('abcde'),columns=['x','y','z', 8, 9]) >>> dfx y z 8 9 a NaN NaN NaN NaN NaN b NaN NaN NaN NaN NaN c NaN NaN NaN NaN NaN d NaN NaN NaN NaN NaN e NaN NaN NaN NaN NaN

在pandas的早期版本（0.20.0）之前，ix可以很好地實(shí)現(xiàn)這個(gè)功能。

我們可以使用標(biāo)簽來(lái)切分行，使用位置來(lái)切分列（請(qǐng)注意：因?yàn)?并不是列的名字，因?yàn)閕x在列上是使用的iloc）。

>>> df.ix[:'c', :4]x y z 8 a NaN NaN NaN NaN b NaN NaN NaN NaN c NaN NaN NaN NaN

在pandas的后來(lái)版本中，我們可以使用iloc和其它的一個(gè)方法就可以實(shí)現(xiàn)上述功能：

>>> df.iloc[:df.index.get_loc('c') + 1, :4]x y z 8 a NaN NaN NaN NaN b NaN NaN NaN NaN c NaN NaN NaN NaN

get_loc()?是得到標(biāo)簽在索引中的位置的方法。請(qǐng)注意，因?yàn)槭褂胕loc切片時(shí)不包括最后1個(gè)點(diǎn)，因?yàn)槲覀儽仨毤?。

可以看到，只使用iloc更好用，因?yàn)椴槐乩頃?huì)ix的那2個(gè)“繁瑣”的特點(diǎn)。

參考文獻(xiàn)：https://stackoverflow.com/questions/31593201/pandas-iloc-vs-ix-vs-loc-explanation-how-are-they-different

轉(zhuǎn)載于https://blog.csdn.net/anshuai_aw1/article/details/82801435

轉(zhuǎn)載于:https://www.cnblogs.com/RB26DETT/p/11557339.html

總結(jié)

以上是生活随笔為你收集整理的pandas之loc iloc ix的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。