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的方式進行訪問，訪問方式如下：

print (df1.iloc[0])          #通過行號進行訪問

print (df1.loc['a'])         #通過行標籤進行訪問

print (df1.ix[0])             #通過行號進行訪問

print (df1.ix['a'])            #通過行標籤進行訪問

c  d  e

0 a 1 2 3 #--行號0, 行標籤:ａ
1 b 4 5 6 #--行號1，行標籤: b

data = [[1,2,3],[4,5,6]]

index = ['a','b']
columns = ['c', 'd', 'e']
df1 = dataframe(data, index=index, columns=columns)
print (df1)
print (df1.iloc[0])
print (df1.loc['a'])
print (df1.ix[0])
print (df1.ix['a'])

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資料索引 loc iloc和ix

1 loc 通過行標籤索引行資料 1 loc d 獲取第 d 行資料 import pandas as pd data 1,2,3 4,5,6 index d e columns a b c df pd.dataframe data data,index index,columns columns ...

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...