用 loc 和 iloc 选取数据

指向数据的两种方式：按标签和按位置

DataFrame 有两种寻址方式，把它们搞混是 pandas 最常见的 bug。.loc 按标签选择：行用索引中的标签，列用列名。.iloc 按整数位置选择，从 0 开始计数，和列表、NumPy 数组一样。两者都接收 [行, 列]：df.loc["AAPL", "price"] 是一个值，df.iloc[0, 0] 是第一行第一列的值。省略第二部分表示取整行：df.loc["AAPL"] 是 AAPL 这一行（Series）。

import pandas as pd

df = pd.DataFrame(
    {"price": [184.25, 410.2, 171.0, 251.0],
     "volume": [200, 50, 300, 120],
     "sector": ["tech", "tech", "tech", "auto"]},
    index=["AAPL", "MSFT", "GOOG", "TSLA"],
)

print(df.loc["AAPL", "price"], df.iloc[0, 0])     # 184.25 184.25   same cell, two addresses
print(df.loc["TSLA"].to_dict())                    # {'price': 251.0, 'volume': 120, 'sector': 'auto'}
print(df.iloc[-1].to_dict())                       # the same row: position -1 is the last
print(df.loc[["TSLA", "AAPL"], "price"])           # a list of labels picks in that order
# TSLA    251.00
# AAPL    184.25
# Name: price, dtype: float64

try:
    df.loc["XXX", "price"]                         # a label that does not exist
except KeyError as error:
    print("KeyError", error)                       # KeyError 'XXX'

切片：标签切片包含终点

两种方式下切片的行为不同。位置切片 df.iloc[1:3] 遵循 Python 的规则，不含终点：即位置 1 和 2。标签切片 df.loc["MSFT":"TSLA"] 包含两端的标签，因为标签没有天然的“下一个”。标签切片遵循索引当前的顺序，索引不必已排序。对于列，传入列表（["price", "volume"]）即可按给定顺序选取。忘了自己用的是哪种方式，会在没有任何报错的情况下得到偏差一位的结果。

import pandas as pd

df = pd.DataFrame(
    {"price": [184.25, 410.2, 171.0, 251.0], "volume": [200, 50, 300, 120]},
    index=["AAPL", "MSFT", "GOOG", "TSLA"],
)

print(df.iloc[1:3])                              # positions 1 and 2: the end is excluded
#        price  volume
# MSFT   410.2      50
# GOOG   171.0     300

print(df.loc["MSFT":"TSLA", ["volume", "price"]])    # labels MSFT..TSLA: the end is included
#       volume  price
# MSFT      50  410.2
# GOOG     300  171.0
# TSLA     120  251.0

print(df.iloc[:, 0].tolist())                    # the first column, by position
# [184.25, 410.2, 171.0, 251.0]

用 loc 做条件选择与赋值

.loc 的行部分还可以接收布尔掩码：df.loc[df["volume"] > 100, "price"] 一步就得到满足条件的行的价格列。.loc 也是对选定部分赋值的方式：df.loc["MSFT", "price"] = 1.0 修改一个单元格，df.loc[df["volume"] < 100, "volume"] = 0 修改所有符合条件的行。避免 df[df["volume"] < 100]["volume"] = 0 这样的链式写法：它作用在一个临时副本上。在 pandas 3 中，派生出的表绝不会改动原表，所以要在函数里修改表，应先 df.copy()，用 .loc 赋值，再返回该副本。

import pandas as pd

df = pd.DataFrame(
    {"price": [184.25, 410.2, 171.0, 251.0], "volume": [200, 50, 300, 120]},
    index=["AAPL", "MSFT", "GOOG", "TSLA"],
)

print(df.loc[df["volume"] > 100, "price"])       # a Boolean mask for rows, a label for the column
# AAPL    184.25
# GOOG    171.00
# TSLA    251.00
# Name: price, dtype: float64

def with_price(frame, symbol, price):
    out = frame.copy()                           # never edit the caller's table
    out.loc[symbol, "price"] = price
    return out

changed = with_price(df, "MSFT", 1.0)
print(changed.loc["MSFT", "price"], df.loc["MSFT", "price"])   # 1.0 410.2

fixed = df.copy()
fixed.loc[fixed["volume"] < 100, "volume"] = 0   # assign to all matching rows at once
print(fixed["volume"].tolist())                  # [200, 0, 300, 120]

import pandas as pd

# Integer labels are labels, not positions: a classic trap
d = pd.DataFrame({"x": [1.0, 2.0, 3.0]}, index=[10, 20, 30])

print(d.loc[20, "x"], d.iloc[0, 0])        # 2.0 1.0    label 20 is the second row
print(d.loc[10:20]["x"].tolist())          # [1.0, 2.0] labels 10 through 20, end included
print(d.iloc[0:2]["x"].tolist())           # [1.0, 2.0] positions 0 and 1, end excluded

try:
    d.loc[0, "x"]                          # there is no label 0, even though position 0 exists
except KeyError as error:
    print("KeyError", error)               # KeyError 0

• df.loc[行标签, 列标签] 按标签；df.iloc[行位置, 列位置] 按从 0 开始的位置。
• iloc 切片不含终点；loc 标签切片包含终点；缺失的标签会引发 KeyError。
• df.loc[mask, "col"] 筛选并选取；在 .copy() 上用 .loc 赋值并返回。

下一节：groupby 与聚合，把表格分成若干组并分别汇总。

实验：评分内容

• 用 price_of 按代码查一个价格25 分
• 用 label_range 取两个代码之间的行25 分
• 用 position_range 按位置取行25 分
• 用 set_price 在副本中修正一个价格25 分