Pandas的iloc, loc, iat, at的用法介绍

摘要：Pandas 数据访问方法介绍

Pandas 是一个功能强大的 Python 数据分析库，它提供了多种数据访问方法，重点是 iloc、loc、iat 和 at 的使用。

1. iloc

iloc 基于整数索引访问数据，使用行和列的整数位置。例如，df.iloc[0, 1] 访问第一行第二列的数据。

2. loc

loc 基于标签索引访问数据，使用行和列的标签。例如，df.loc['row2', 'B'] 访问 'row2' 行 'B' 列的数据。

3. iat

iat 是 iloc 的简化版本，专门用于访问单个元素，使用整数索引。例如，df.iat[0, 1] 访问第一行第二列的数据。

4. at

at 是 loc 的简化版本，专门用于访问单个元素，使用标签索引。例如，df.at['row2', 'B'] 访问 'row2' 行 'B' 列的数据。

使用 iloc 访问多个元素

iloc 支持切片操作，如 df.iloc[0:2, 1:3] 访问前两行以及第二列和第三列的数据。

使用 loc 访问多个元素

loc 支持使用列表来选择多行和多列，如 df.loc[['row1', 'row2'], ['B', 'C']] 访问 'row1' 和 'row2' 行的 'B' 和 'C' 列数据。

扩展案例：布尔索引

loc 还可以用布尔索引选择行，如 df.loc[df['A'] > 1, ['B', 'C']] 选择 'A' 列值大于1的行及其 'B' 和 'C' 列数据。

总结

iat 和 at 用于访问单个元素；iloc 和 loc 可用于访问多个元素。iloc 适用于基于整数位置的索引，loc 适用于基于标签的索引。选择正确的访问方式对于避免错误和有效地操作 Pandas 数据至关重要。

测试工程师在敏捷项目中扮演什么角色？

了解更多

想要了解更多内容？

查看原文：Pandas的iloc, loc, iat, at的用法介绍

文章来源：

Python学习杂记

扫码关注公众号