详解pandas中loc与iloc的区别及条件筛选取值
发布时间：2026-10-13| 6人浏览过
本文详细解析pandas中loc与iloc在数据选取上的核心差异，loc基于标签索引支持按条件筛选，而iloc基于位置索引。通过具体代码示例展示如何选取指定行列及多条件组合取值，帮助开发者高效处理DataFrame数据。
在pandas库中，Dataframe对象提供了loc方法用于根据标签选取特定的行和列数据。
print(df.loc[0:4,['item_price_level','item_sales_level','item_collected_level','item_pv_level']])
执行上述代码后，输出结果显示成功获取了索引从0到4共五行，以及指定四列的数据内容。
item_price_level item_sales_level item_collected_level item_pv_level 0 3 3 4 14 1 3 3 4 14 2 3 3 4 14 3 3 3 4 14 4 3 3 4 14
相比之下，使用iloc方法进行选取的操作方式如下所示。
print(df.iloc[0:4,6:9])
运行结果如下，此时获取的是索引位置0到3共四行数据，以及从第6列开始到第8列（包含第6、7、8列，共3列）的数据，注意iloc基于从0开始的整数位置索引。
item_price_level item_sales_level item_collected_level 0 3 3 4 1 3 3 4 2 3 3 4 3 3 3 4
此外，loc方法还支持通过布尔条件来筛选数据。
print(df.loc[df.item_price_level==0,:]) print(df.loc[df[item_price_level]==0,:])
上述两种写法实现的效果一致，均用于提取item_price_level值为0的所有记录。若需仅获取满足条件的特定几列，可将冒号替换为具体的列名列表。
print(df.loc[df['item_price_level']==0,['item_price_level','item_sales_level']])
筛选后的结果前几行显示如下。
item_price_level item_sales_level 129141 0 10 129142 0 10
当需要同时满足多个条件时（例如同时满足两个特定条件），操作方式如下所示。
print(df.loc[(item_price_level==0) & (item_sales_level==3),:])
以上就是关于pandas中loc与iloc取数据差异及按条件取值方法的详细介绍，希望以上内容能为读者提供参考，并欢迎大家继续支持本站获取更多技术分享。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
