Python-iloc，ix和loc有何不同？

注意：在熊猫版本0.20.0及更高版本中，

ix

已弃用，建议改为使用loc和iloc。我留下了ix完整的答案部分，以供早期版本的熊猫用户参考。下面添加了示例，显示的替代方案 ix。

首先，以下是这三种方法的概述：

• loc

  从索引获取带有特定标签的行（或列）。

• iloc

  获取索引中特定位置的行（或列）（因此仅获取整数）。

• ix

  通常试图表现得像，

  loc

  但

  iloc

  如果索引中不存在标签，则会回落为行为。
• 重要的是要注意一些细微之处，这些细微之处可能会使ix使用起来有些棘手：
• 如果索引是整数类型，

  ix

  则将仅使用基于标签的索引，而不会使用基于位置的索引。如果标签不在索引中，则会引发错误。
• 如果指数不包含唯一整数，然后给出一个整数，

  ix

  将立即使用基于位置的索引，而不是基于标签的索引。但是，如果ix给定另一种类型（例如字符串），则可以使用基于标签的索引。

为了说明这三种方法之间的差异，请考虑以下系列：

>>> s = pd.Series(np.nan, index=[49,48,47,46,45, 1, 2, 3, 4, 5])>>> s49   NaN48   NaN47   NaN46   NaN45   NaN1    NaN2    NaN3    NaN4    NaN5    NaN

我们将看看用整数值切片3。

在这种情况下，向s.iloc[:3]我们返回前3行（因为它将3视为位置），并向s.loc[:3]我们返回前8行（由于将3视为标签）：

>>> s.iloc[:3] # slice the first three rows49   NaN48   NaN47   NaN>>> s.loc[:3] # slice up to and including label 349   NaN48   NaN47   NaN46   NaN45   NaN1    NaN2    NaN3    NaN>>> s.ix[:3] # the integer is in the index so s.ix[:3] works like loc49   NaN48   NaN47   NaN46   NaN45   NaN1    NaN2    NaN3    NaN

注意

s.ix[:3]，s.loc[:3]

由于它首先查找标签，而不是在位置上工作（因此，其索引为s整数类型），因此

Notification

返回相同的Series 。

如果我们尝试使用不在索引中的整数标签（例如6）怎么办？

此处

s.iloc[:6]

按预期返回

Series

的前6行。但是，

s.loc[:6]

由于6不在索引中，所以引发KeyError 。

>>> s.iloc[:6]49   NaN48   NaN47   NaN46   NaN45   NaN1    NaN>>> s.loc[:6]KeyError: 6>>> s.ix[:6]KeyError: 6

按照上面提到的微妙之处，

s.ix[:6]

现在引发了

KeyError

，因为它试图像在索引中一样loc找到但不能找到一个6。因为我们的索引是整数类型，

ix

所以不会回落为

iloc

。

但是，如果索引是混合类型的，则给定的整数ix将iloc立即表现出来，而不是引发KeyError：

>>> s2 = pd.Series(np.nan, index=['a','b','c','d','e', 1, 2, 3, 4, 5])>>> s2.index.is_mixed() # index is mix of different typesTrue>>> s2.ix[:6] # now behaves like iloc given integera   NaNb   NaNc   NaNd   NaNe   NaN1   NaN

请记住，ix它仍然可以接受非整数并表现为loc：

>>> s2.ix[:'c'] # behaves like loc given non-integera   NaNb   NaNc   NaN

作为一般建议，如果仅使用标签建立索引，或仅使用整数位置建立索引，请坚持使用loc或iloc避免出现意外结果-请勿使用ix。

结合基于位置和基于标签的索引

有时在给定Dataframe的情况下，你将需要为行和列混合使用标签和位置索引方法。

例如，考虑以下Dataframe。如何最好地将行切成

“ c”

并包括前四列？

>>> df = pd.Dataframe(np.nan, index=list('abcde'),columns=['x','y','z', 8, 9])>>> df    x   y   z   8   9a NaN NaN NaN NaN NaNb NaN NaN NaN NaN NaNc NaN NaN NaN NaN NaNd NaN NaN NaN NaN NaNe NaN NaN NaN NaN NaN

在早期版本的pandas（0.20.0之前）中ix，你可以很整洁地进行此操作-我们可以按标签对行进行切片，按位置对列进行切片（请注意，对于列，ix由于4不是列名，因此默认为基于位置的切片 ）：

>>> df.ix[:'c', :4]    x   y   z   8a NaN NaN NaN NaNb NaN NaN NaN NaNc NaN NaN NaN NaN

在更高版本的熊猫中，我们可以使用iloc并借助另一种方法来获得此结果：

>>> df.iloc[:df.index.get_loc('c') + 1, :4]    x   y   z   8a NaN NaN NaN NaNb NaN NaN NaN NaNc NaN NaN NaN NaN

get_loc()

是一种索引方法，意思是“获取标签在此索引中的位置”。请注意，由于切片与iloc不包含其端点，因此如果我们还希望行

'c'

，则必须在此值上加1。

此处的熊猫文档中还有其他示例。