Pandas 数据查找及修改操作 iloc() & loc() bool类型索引

关注

原创最新推荐文章于 2026-10-02 14:34:37 发布 3.8k 阅读 AI 写同款· GEO 优化 ›

Pandas数据索引核心：loc与iloc的标签与位置选择机制详解在数据处理与分析中，数据索引与选择是基础且关键的操作，它直接影响到数据提取的准确性和效率。其核心原理在于区分基于标签（Label-based）和基于整数位置（Integer position-based）两种索引逻辑。基于标签的索引通过行索引和列名进行精确匹配，而基于位置的索引则依据从0开始的整数序号进行定位。理解这一二分法具有重要的技术价值，它不仅是避免数据提取错误的前提，更是实现高效、精准数据操作的基础。在Python的Pandas库中，这一原理具体体现为`loc`和`iloc`两个核心方法。`loc` 阅读详情

代码运行基于jupyter notebook

一、数据加载

import pandas as pd
import pickle
with open('titanic.pickle', 'rb') as file:
    df = pickle.load(file)

二、.iloc() 用位置查找、修改数据

df = df.set_index('Name')
df.head()

在这里插入图片描述

查找数据

df.iloc[0:5, 1:3]

在这里插入图片描述

修改数据

print(df.iloc[0,4])
# 22.0
df.iloc[0,4] = 1000
df.head()

在这里插入图片描述

三、.loc() 用标签查找、修改数据

查找数据

df.loc['Heikkinen, Miss. Laina']

在这里插入图片描述

修改数据

print(df.loc['Heikkinen, Miss. Laina','Age'])
# 26.0 
df.loc['Heikkinen, Miss. Laina','Age'] = 18
df.head()

在这里插入图片描述

三、bool类型索引

# 选择船票价格大于40的乘客
#df[df['Fare'] > 40]
# 选择船票价格大于40的前五个乘客
#df[df['Fare'] > 40][:5]
# 选择前五个男性乘客
#df[df['Sex'] == 'male'][:5]

# 注意 df['Fare'] > 40 返回的一个bool类型列
# df[df['Fare'] > 40]才能选择出满足要求的数据行
df['Fare'] > 40

在这里插入图片描述

# 计算大于70岁的乘客的人数
# (df['Age']>70).sum()

#计算所有男性的平均年龄  这三行代码等价
# iloc貌似不能直接用布尔索引当做掩码
#ValueError: iLocation based boolean indexing cannot use an indexable as a mask

df.loc[df['Sex'] == 'male', 'Age'].mean()
df.iloc[(df['Sex'] == 'male').values, 4].mean()
df.iloc[list(df['Sex'] == 'male'), 4].mean()