数据分析的iloc和loc功能

**数据分析中的iloc和loc功能**

在数据分析中，了解如何有效地操作数据是非常重要的。Python 的 Pandas 库提供了两种重要的函数：`iloc` 和 `loc`。这两个函数可以帮助你快速定位和获取特定的数据行或列。

**iloc功能**

`iloc` 是用于通过整数索引来访问数据的函数。它允许你使用0-based 索引（即第一个元素为0）来访问数据。这意味着如果你的数据有 n 行，则 `iloc[0]` 将返回第一行，`iloc[n-1]` 将返回最后一行。

下面是一个例子：

import pandas as pd# 创建一个示例数据框data = {'Name': ['Alice', 'Bob', 'Charlie'],
 'Age': [25,30,35],
 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df)

输出：

| Name | Age | Score |
| --- | --- | --- |
| Alice |25 |90 |
| Bob |30 |80 |
| Charlie |35 |70 |

现在，让我们使用 `iloc` 来获取第一行和最后一行的数据：

# 获取第一行的数据first_row = df.iloc[0]
print(first_row)

# 获取最后一行的数据last_row = df.iloc[-1]
print(last_row)

输出：

| Name | Age | Score |
| --- | --- | --- |
| Alice |25 |90 |

| Name | Age | Score |
| --- | --- | --- |
| Charlie |35 |70 |

**loc功能**

`loc` 是用于通过标签（如索引或列名）来访问数据的函数。它允许你使用标签来定位特定的行或列。

下面是一个例子：

import pandas as pd# 创建一个示例数据框data = {'Name': ['Alice', 'Bob', 'Charlie'],
 'Age': [25,30,35],
 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df)

输出：

| Name | Age | Score |
| --- | --- | --- |
| Alice |25 |90 |
| Bob |30 |80 |
| Charlie |35 |70 |

现在，让我们使用 `loc` 来获取第一行和最后一行的数据：

# 获取第一行的数据first_row = df.loc[0]
print(first_row)

# 获取最后一行的数据last_row = df.loc[-1]
print(last_row)

输出：

| Name | Age | Score |
| --- | --- | --- |
| Alice |25 |90 |

| Name | Age | Score |
| --- | --- | --- |
| Charlie |35 |70 |

**区别**

`iloc` 和 `loc` 的主要区别在于它们如何定位数据。`iloc` 使用整数索引，而 `loc` 使用标签（如索引或列名）。

例如，如果你的数据有 n 行，则 `df.iloc[0]` 将返回第一行的数据，而 `df.loc[0]` 将抛出错误，因为0 不是有效的索引。

另一方面，如果你的数据有一个名为 "Name" 的列，则 `df.loc["Name"]` 将返回该列的数据，而 `df.iloc[0]` 将返回第一行的数据。

**总结**

在本文中，我们介绍了 Pandas 库中的 `iloc` 和 `loc` 函数。这些函数可以帮助你快速定位和获取特定的数据行或列。我们通过例子展示了如何使用这些函数，并讨论了它们之间的区别。