Pandas 数据提取：loc和 iloc的用法详解

欢迎大家来到IT世界,在知识的湖畔探索吧!

在 Pandas 库中，loc 和 iloc 是两种核心的数据索引方法，用于从 DataFrame 或 Series 中提取特定数据。它们两者均可以使用df.loc/iloc[行标签，列标签]索引器的方式来选择数据。

• 行标签：可以是单个标签、标签列表、标签切片、布尔数组等，用于指定要选择的行。
• 列标签：同样可以是单个标签、标签列表、标签切片、布尔数组等，用于指定要选择的列。

它们的核心区别在于：

• loc：基于 标签 (Label) 的索引
• iloc：基于 整数位置 (Integer Position) 的索引

以下通过代码示例对比演示两个方法的用法。

1. 准备示例数据

import pandas as pd # 创建示例 DataFrame data = { "姓名": ["张三", "李四", "王五", "赵六"], "年龄": [25, 32, 28, 40], "城市": ["北京", "上海", "广州", "深圳"] } df = pd.DataFrame(data, index=["A", "B", "C", "D"]) print("原始数据：") print(df)

欢迎大家来到IT世界,在知识的湖畔探索吧!

运行结果：

复制

欢迎大家来到IT世界,在知识的湖畔探索吧!原始数据： 姓名 年龄 城市 A 张三 25 北京 B 李四 32 上海 C 王五 28 广州 D 赵六 40 深圳

2. 用法详解

2.1 选择单行数据

选择单行数据时，df.loc/iloc[行标签，列标签]索引器指定行标签，不指定列标签，则会选择整行数据

# 选择索引为 'B' 的行，该行的索引编号为1 print("\nloc 选择单行：") print(df.loc["B"]) # loc方法 print(df.iloc[1]) # iloc方法

运行结果：

欢迎大家来到IT世界,在知识的湖畔探索吧!# 上面的两个方法的运行结果均如下 姓名 李四 年龄 32 城市 上海 Name: B, dtype: object

2.2 选择单列数据

选择单列数据时，df.loc/iloc[行标签，列标签]索引器指定行标签为:，指定需选择的列标签，则会选择整列数据

# 选择城市这一列数据，该列的索引编号为2 print("\nloc 选择单列：") print(df.loc[:,"城市"]) print(df.iloc[:,2])

两个方法的运行结果均为：

欢迎大家来到IT世界,在知识的湖畔探索吧!A 北京 B 上海 C 广州 D 深圳 Name: 城市, dtype: object

2.3 选择不连续的多行数据

选择不连续的多行数据时，df.loc/iloc[行标签，列标签]索引器这时的行标签应为一个列表，里面写入需选择的行标签，列标签则不需指定。

# 选择行标签为B和D这两行数据，行标签编号分别为1和3 print(df.loc[["B","D"]]) print(df.iloc[[1,3]])

两个方法的运行结果均为：

欢迎大家来到IT世界,在知识的湖畔探索吧! 姓名 年龄 城市 B 李四 32 上海 D 赵六 40 深圳

2.4 选择连续的多行数据

选择连续的多行数据时，df.loc/iloc[行标签，列标签]索引器这时的行标签应为一个切片器，确定需选择的行的范围，列标签则不需指定。

# 选择行标签为B到D这两行数据，行标签编号为1到3，观察两个方法选择的数据范围是否一致 print(df.loc["B":"D"]) print(df.iloc[1:3])

loc方法运行结果：

欢迎大家来到IT世界,在知识的湖畔探索吧! 姓名 年龄 城市 B 李四 32 上海 C 王五 28 广州 D 赵六 40 深圳

iloc方法运行结果

 姓名 年龄 城市 B 李四 32 上海 C 王五 28 广州

注意：从运行结果来看，loc方法的切片器是左右标签都包含的，而iloc方法的切片器是左包含右不包含的，这点千万要注意。

2.5 选择不连续的多列数据

选择不连续的多行数据时，df.loc/iloc[行标签，列标签]索引器这时的行标签指定为:，列标签为一个列表，里面写入需选择的列标签。

欢迎大家来到IT世界,在知识的湖畔探索吧!# 选择姓名和城市这两列数据，列标签编号分别为0和2 print(df.loc[:,["姓名","城市"]]) print(df.iloc[:,[0,2]])

两个方法的运行结果：

 姓名 城市 A 张三 北京 B 李四 上海 C 王五 广州 D 赵六 深圳

2.6 选择连续的多列数据

选择连续的多列数据时，df.loc/iloc[行标签，列标签]索引器的行标签指定为:，列标签为一个切片器，用于确定需选择的数据范围。

欢迎大家来到IT世界,在知识的湖畔探索吧!# 选择姓名到年龄这两列，列编号为0到1 print(df.loc[:,"姓名":"年龄"]) print(df.iloc[:,0:1])

loc方法运行结果：

 姓名 年龄 A 张三 25 B 李四 32 C 王五 28 D 赵六 40

iloc方法运行结果

欢迎大家来到IT世界,在知识的湖畔探索吧! 姓名 A 张三 B 李四 C 王五 D 赵六

注意：这里依然存在loc和iloc切片器的有效范围不同的问题，要特别注意。这里iloc方法要选择0到1列数据，应该这样写

print(df.iloc[:,0:2])

这样就可以选择到0到1列数据了。

2.7 选择区域数据

需要选择区域数据时，可以按照需要自由组合列表和切片器来表示行标签和列标签。

欢迎大家来到IT世界,在知识的湖畔探索吧!# 比如需要选择A到C行的姓名和城市的数据，这里行标签是一个连续的行，而城市则不连续的两列 print(df.loc["A":"C",["姓名","城市"]]) print(df.iloc[0:3,[0,2]])

运行结果

 姓名 城市 A 张三 北京 B 李四 上海 C 王五 广州

2.8 布尔数组条件筛选

使用布尔数组进行选择时，布尔数组的长度需要与 DataFrame 的行数或列数相匹配，然后将布尔数组传递给 iloc 来选择满足条件的数据。

欢迎大家来到IT世界,在知识的湖畔探索吧!# 筛选年龄大于28的行，并选择姓名和年龄列 row_mask = df["年龄"] > 28 col_mask = [True, True, False] print(df.loc[row_mask, col_mask])

3. loc与 iloc对比

4. 注意事项

0. 当 DataFrame 的索引为整数时，loc 会优先识别为标签而非位置
1. 使用 iloc 时负数表示倒数（如 df.iloc[-1] 选择最后一行）
2. 混合索引时推荐使用 .values 属性获取 NumPy 数组后再操作

通过灵活组合 loc 和 iloc，可以高效完成 Pandas 数据提取任务。建议根据实际数据特征（索引类型、是否需要位置偏移）选择合适的方法。

写在最后：

学会新知识，人生添精彩！从现在开始，告别迷茫和无措，跟着我一步步掌握实用技能，开启全新可能。点击关注，这里有源源不断的干货教程，有耐心细致的指导，还有和你一样努力上进的小伙伴。让我们一起在成长的道路上互相鼓励，共同进步，成为更好的自己！关注后私信我，获取最新Python系列视频教程，包括零基础入门、项目实战、爬虫、全栈、GUI和数据分析等等。点点关注，超过100G的视频课程等你来拿哦！！！