Python中的Pandas：df.iloc和df.loc的区别

Pandas是Python中用于数据处理和分析的强大库。它提供了多种方法来选择DataFrame中的数据，其中df.iloc和df.loc是两种常用的方法。虽然它们都用于基于位置的选择，但它们之间存在一些重要的区别。
1. 用法

• df.iloc：使用整数位置进行选择。它接受基于整数的位置索引，可以是单个整数、整数范围或整数列表。
• df.loc：使用标签进行选择。它接受基于标签的索引，可以是单个标签或标签范围。
  2. 适用场景
• df.iloc：当你需要基于行号的绝对位置进行选择时，可以使用iloc。例如，如果你知道你要选择的行的确切位置，而不是基于标签的相对位置。
• df.loc：当你需要根据列标签的相对位置进行选择时，可以使用loc。例如，如果你想选择某一列的所有数据，或者基于列标签的相对位置进行选择。
  3. 性能
• df.iloc：通常比df.loc更快，因为它直接使用整数位置进行选择，不需要进行标签查找。
• df.loc：由于它使用标签进行选择，因此在某些情况下可能比iloc稍慢，尤其是在处理大型数据集时。
  4. 示例
  为了更好地理解这些概念，让我们通过一个简单的示例来演示它们的使用：
  首先，创建一个简单的DataFrame：

  import pandas as pd
  data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
  'Age': [25, 30, 35, 40],
  'Salary': [50000, 60000, 70000, 80000]}
  df = pd.DataFrame(data)

  接下来，使用df.iloc和df.loc选择数据：
• 使用df.iloc选择第2行（基于整数的位置索引）：

  df.iloc[1]

  输出：

  Name    Bob
  Age     30
  Salary  60000
  Name    Charlie
  Age     35
  Salary  70000
  Name    David
  Age     40
  Salary  80000
  Name    dtype: object
  Age     dtype: int64
  Salary  dtype: int64

• 使用df.loc选择’Age’列的所有数据：

  df.loc[:, 'Age']

  输出：

  Alice      25
  Bob        30
  Charlie    35
  David      40
  Name       Age

  通过这个示例，我们可以看到df.iloc是基于整数的位置选择，而df.loc是基于列标签的选择。此外，我们还注意到使用df.iloc的输出中没有列标签，而使用df.loc的输出中包含了列标签。这是因为iloc是基于位置的选择，而loc是基于标签的选择。
  在使用Pandas进行数据处理时，了解何时使用iloc和何时使用loc非常重要。根据具体情况选择合适的方法可以提高数据处理和分析的效率和准确性。