Pandas中loc iloc及ix的區別

import pandas as pd

import numpy as np
df = np.array([['a', 23],
['b', 13],
['c', 15]])
table = pd.dataframe(df, index=['a','b','c'], columns=['left', 'right'])
print(table)
#輸出結果：
left right
a a 23
b b 13
c c 15

loc[n]表示索引的是第n行（index是整數）

import pandas as pd

import numpy as np
df = pd.dataframe(np.arange(12).reshape(3,4))
print(df)
print(df.loc[[2]])
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
0 1 2 3
2 8 9 10 11

print(table.loc[['a']])

left right
a a 23

print(table.iloc[[1]])

left right
b b 13

Pandas中loc，iloc和ix的區別

這篇部落格 直接看例子 data pd.series np.arange 10 index 49,48,47,46,45,1,2,3,4,5 data490 481472 463454 1526 3748 59dtype int64 data.iloc 3 490 481472 dtype int6...

Pandas中loc，iloc與直接切片的區別

0.把series的行index或dataframe的列名直接當做屬性來索引。如 s.index name df.column name 但是這種方法索引的名字可能會與自帶的方法衝突，比如min，max等等，所以可能會失效。另外，在新版本中，這種索引方法不能作為左值。1.df直接索引 直接索引索引的...

pandas中loc, iloc和ix的區別

loc 通過行標籤索引資料 iloc 通過行號索引資料 ix 可通過行號索引資料也可通過標籤索引資料 例項 實際資料如下所示，dataframe中第一行資料為1，2，3，行號為0，行標籤為a，也就是我們說的索引名稱為a，第二行同理。現在我們只需要訪問第一行資料，通過loc，iloc,ix的方式進行訪...