python中loc和iloc,
一、loc功能和iloc功能的使用和区别
熊猫中loc和iloc函数的用法基本相同。Iloc与it不同，它读取数据并使用行索引和列索引来定位和选择数据。loc函数可以通过行名和列名选择数据。即字符串或字母。另外，对于index，虽然loc方法也支持对Int类型的行和列进行过滤和切片。但是，这与iloc的不同之处在于，loc中的0:2实际上意味着选择索引为0:2的数据。而iloc中的0:2不包括所选内容中的2。最大值为1。在这一点上，我们必须注意不同之处。
第二，loc功能与iloc功能的比较
1.重视细胞。
注意：0表示获取loc值时的行号，因为在未指定行号时，默认情况下会分配数字0。逗号后跟列名。
ILO取值时，逗号前的0与loc相同，也是行索引，而后面的值取列的索引值，而不是列名。
1 #%%
2
3只进口熊猫作为pd4
5 df=PD . read _ Excel(R c:\ Users \ Administrator \ PycharmProjects \ python _ Basic \ Pandas _ to _ Excel \ 2020 07 27 \ student _ info . xlsx ，6 sheet_name=0)7
8 df.head(3)9 #%%
1loc01=df.loc [0， name ]11 loc0112 #%%
13 iloc01=df.iloc[0，1]14 iloc01
2.读取行数据
注意：loc的值可以通过切片得到。0: 0表示仅选择当前第一列。
ILO和loc的唯一区别是它只对行索引进行操作。但切片后的值位是1而不是0，因为如果是0，默认值就是二维数组的头，也就是列名。
#%%
loc02=df.loc[0:0]
loc02#%%
iloc02=df.iloc[0:1]
iloc02
3.读取所选指定范围的数据。
要求：读取姓名和总分前4行的数据。
注意：在这两种情况下，行数据是通过在逗号前切片来指定的，而列名是在逗号后读取的。当然，iloc是按列索引读取的。
#%%
Loc03=df.loc[0:3，[名称，总分]]
loc03#%%
iloc03=df.iloc[0:4，[1，5]]
iloc03
4.通过切片读取数据。
注意：事实上，在前面的案例中已经使用了切片。这里，我们来巩固一下。请注意，我在行索引片的逗号前使用了步长。也就是第二个除以2，也就是说每隔一行读一次。
与iloc相比，loc在读取列时可以指定列名，可读性比Iloc好很多。Iloc1: 6谁知道1: 6是什么鬼。一个一个数下标真的很麻烦。所以不同的场景用的不一样，看个人爱好。
iloc03=df.iloc[0:4，[1，5]]
iloc03#%%
Loc04=df.loc[0:10:2，名称:总分]
loc04#%%
iloc04=df.iloc[0:11:2，1:6]
iloc04
5.通过遮罩遮罩选择数据。
要求：选择所有语言成绩大于80分的会员信息。
注意：对于mask mask，返回具有true和false值的布尔类型。有多少数据就返回多少值。这里需要强调的是，使用loc操作面膜面膜也是最方便的。但iloc不会展示iloc的结果，因为我个人没能演示出后面案例的成功，觉得麻烦。有兴趣的可以自己测试。测试过程中数据少了几个。
#%%
Loc05=df.loc[df[ language ]80]
loc05#%%
Df[语言]80
2.需要：筛选出2班数学、语文、英语成绩大于80的女生。
注意：通过面膜敷面膜。我们可以直接判断条件，在条件成立时筛选出数据。这样做的好处是不再需要使用循环值，可以大大节省IO消耗。
df=PD . read _ Excel(R c:\ Users \ Administrator \ PycharmProjects \ python _ Basic \ Pandas _ to _ Excel \ 2020 07 27 \ student _ info . xlsx ，
工作表名称=1)
Df[(df[中文]80) (df[数学]80) (df[英文]80) (df[性别]=女性)]
第三，综合案例论证
要求：student_info.xlsx此表包含5个班级的信息，分别用5张表保存。当我们通过熊猫读取Excel的所有内容时，必须指定sheet_name=None。但是如果设置为None，那么读取的数据不是DataFrame而是dict字典。那么，如何将dict中读取的值作为工作表保存到另一个Excel中呢？这就是本案的价值。当然，如果你每张表的内容太大，不建议合并成一张表。因为这个
数据打开，直接导致内存消耗，文件打不开。转换成表的另一个好处是，我们读取的时候不是dict而是DataFrame格式，这样在过滤数据的时候就可以直接调用DataFrame方法而不是dict方法。
#%%
df=PD . read _ Excel(R c:\ Users \ Administrator \ PycharmProjects \ python _ Basic \ Pandas _ to _ Excel \ 2020 07 27 \ student _ info . xlsx ，
sheet _ name=无)
Keys=list(df.keys()) #获取所有工作表名称的列表
#将所有工作表的内容合并到一个工作表中(当有大量数据时，不建议使用)
data_concat=pd。i inkeys的DataFrame():
item=df[i]
data _ concat=PD . concat([data _ concat，item])print(data_concat)
data _ concat . to _ Excel(R c:\ Users \ Administrator \ PycharmProjects \ python _ Basic \ Pandas _ to _ Excel \ 2020 07 27 \ student _ info _ concat . xlsx ，
index=False)打印(完成！)
历史提交的图片或压缩文件
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。