本文小编为大家详细介绍“Python中.iloc与.loc的区别、联系和用法是什么”，内容详细，步骤清晰，细节处理妥当，希望这篇“Python中.iloc与.loc的区别、联系和用法是什么”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
1.联系
1)操作对象相同：loc和iloc都是对DataFrame类型进行操作；
2)完成目的相同：二者都是用于选取DataFrame中对应行或列中的元素。
2.区别
loc和iloc索引的行列标签类型不同。
iloc使用顺序数字来索引数据，而不能使用字符型的标签来索引数据；注意：这里的顺序数字是指从0开始计数！
loc使用实际设置的索引来索引数据。但行列名为数字时，loc也可以索引数字，但这里的数字不一定从0开始编号，是对应具体行列名的数字！
3.用法
下面用代码来讲解两者的用法。
3.1行列全为从0开始顺序编号
import pandas as pd import numpy as np a = np.arange12).reshape3,4) #将a转化为DataFrame类型 df = pd.DataFramea) #展示df df
由于未给df的行列命名，默认从0开始编号，所以这个时候使用loc和iloc结果是一样的。
索引为一个数，默认输出行 printdf.loc[0])#输出第0行元素 printdf.iloc[0])#输出第0行元素
两者输出结果都为：
0 0
1 1
2 2
3 3
Name: 0, dtype: int32
输出结果为df第0行元素，结果中第一列表示列名，第二列表示具体的值。如果只需要输出某一列，输入df.loc[：，0]表示输出第0列。
如果需要输出第0到2列的数据。
#方式1 df.loc[:,0:2]#可把loc理解为遍历字符串类型，0:2则表示标签为0,1,2三列 #方式2 df.iloc[:,0:3]#iloc遍历的数数字，python中0:3对应0,1,和2
输出结果均为：
3.2有一行或列不是从0顺序编号
#把行标签换成其他数字编号 df.index=[2,5,7] df.loc[2]
此时df变为：
输出结果为：
0 0
1 1
2 2
3 3
Name: 2, dtype: int32
输出结果对应的是列标签为“2”所在的行。
我们继续用df.iloc[2]输出结果：
0 8
1 9
2 10
3 11
Name: 7, dtype: int32
可见输出的是第2行的数据。
在这里我们能大概对loc和iloc的用法有了一定的了解。
3.3行或者列为非数字标签
#把行标签转化为非数字类型 df.index=['a','b','c'] #输出第a、b行，第0到2列的数据 #方式1 df.loc[['a','b'],0:2]#可把loc理解为遍历字符串类型，0:2则表示标签为0,1,2三列 #方式2 df.iloc[0:2,0:3]#iloc遍历的是数字，0:2表示的是0和1,0:3表示0,1,2。
两者输出结果均为：
3.4 其他用法
一般情况下，表的行为从0编号的数字类型，列为具体的字符串类型。行的数字容易确定，列的列名容易确定。
#将行换成0 1 2编号 df.index=[0,1,2] #列标签换成A B C D df.columns=['A','B','C','D'] df.iloc[1]['A']#实现输出第1行第A列的数据
输出结果为4。
如果要输出第1行，第AB列，使用df.iloc[1][['A','B']]，这里一定要注意'A','B'是作为一个列表输入的，右侧一共有两个中括号。
输出结果：
A 4
B 5
Name: 1, dtype: int32
df.iloc[1][['A','B']]等价于df.iloc[1,0:2]，但是很多情况下我们不知道具体列名对应的数字，所以采用第一种方法可以提高编程效率。