Pandas索引器 loc 和 iloc 比较及代码示例

import pandas as pd

# 创建带自定义索引的DataFrame
data = {"Age": [25, 32, 28, 40], "City": ["北京", "上海", "广州", "深圳"]}
df = pd.DataFrame(data, index=["Alice", "Bob", "Charlie", "David"])

# loc按标签选择 → 获取Bob行所有列
print(df.loc["Bob"])  # 输出: Age 32, City 上海

# iloc按位置选择 → 获取第1行所有列（索引0为Alice）
print(df.iloc[1])     # 输出: 同上（Bob行）

# loc切片包含结束标签 → 选择Alice到Charlie行
print(df.loc["Alice":"Charlie"])  # 输出3行数据

# iloc切片不包含结束位置 → 选择0至1行（不含索引2）
print(df.iloc[0:2])               # 仅输出Alice和Bob行

# loc直接条件筛选 → 年龄>30的行
print(df.loc[df["Age"] > 30])     # 输出Bob和David行

# iloc需分两步 → 先生成掩码再选择
mask = df["Age"] > 30
print(df.iloc[mask.values])        # 需用.values转为数组

# loc选择多列 → 所有行 + "City"列
print(df.loc[:, "City"])           # 输出城市列所有数据

# iloc选择连续列 → 所有行 + 第1列（列索引从0开始）
print(df.iloc[:, 1])               # 同上（City列位置为1）

# loc + lambda → 筛选Age为偶数的行
print(df.loc[lambda x: x["Age"] % 2 == 0])  # 输出Bob(32), David(40)

# iloc + lambda → 筛选索引位置为奇数的行
print(df.iloc[lambda x: [i for i in range(len(x)) if i % 2 == 1]])  # 输出Bob行

df_reset = df.reset_index()
df_reset.iloc[1:3, 0:2]  # 选择第1-2行，第0-1列

df_int_index = pd.DataFrame({"Value": [10, 20]}, index=[1, 2])

# loc尝试按标签访问 → 报错（无标签0）
# df_int_index.loc[0]  # KeyError

# iloc按位置访问 → 正常
print(df_int_index.iloc[0])  # 输出索引1的行（Value:10）

print(df.iloc[-1])  # 输出最后一行（David）