pandas中loc和iloc的用法

如何在 Pandas 中正确使用 loc 和 iloc 替代已弃用的 ix

在 pandas 中，ix 函数曾经是一个强大的工具，用于通过行和列的标签或整数位置来访问 DataFrame 中的数据。然而，从 pandas 0.20.0 版本开始，ix 被弃用，并在后续版本中被移除。取而代之的是更明确的 loc 和 iloc 方法。本文将介绍如何使用 loc 和 iloc 来替代 ix，并通过示例代码帮助你快速上手。

---

为什么 ix 被弃用？

ix 的功能虽然强大，但也容易引发混淆，因为它同时支持标签和整数位置索引。为了提高代码的可读性和可维护性，pandas 官方推荐使用以下两种更明确的方法：

1. loc: 基于标签的索引，用于通过行和列的标签来访问数据。
2. iloc: 基于整数位置的索引，用于通过行和列的位置（从 0 开始的整数）来访问数据。

---

示例：使用 loc 和 iloc

假设我们有一个简单的 DataFrame：

python

复制

import pandas as pd

data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['x', 'y', 'z'])
print(df)

输出结果：

复制

   A  B  C
x  1  4  7
y  2  5  8
z  3  6  9

使用 loc（基于标签）

loc 用于通过行和列的标签来访问数据。例如：

python

复制

# 获取行标签为 'x' 的数据
print(df.loc['x'])

# 获取行标签为 'y' 和列标签为 'B' 的数据
print(df.loc['y', 'B'])

使用 iloc（基于位置）

iloc 用于通过行和列的位置（从 0 开始的整数）来访问数据。例如：

python

复制

# 获取第一行的数据
print(df.iloc[0])

# 获取第二行、第一列的数据
print(df.iloc[1, 0])

---

总结

• loc: 适用于基于标签的索引。
• iloc: 适用于基于整数位置的索引。
• ix: 已被弃用，不建议使用。

通过使用 loc 和 iloc，你可以更清晰、更安全地访问和操作 pandas DataFrame 中的数据。如果你还在使用 ix，现在是时候更新你的代码了！

---

希望这篇博客对你有所帮助！如果你有任何问题或需要进一步的示例，欢迎在评论区留言。