Строки: loc и iloc

Столбцы мы выбирать умеем. Теперь строки. У каждой строки таблицы есть два «адреса»:

• позиция — порядковый номер строки, считая с нуля: первая строка — 0, вторая — 1;
• метка (label) — подпись строки в индексе.

Пока индекс — номера 0, 1, 2…, позиция и метка совпадают, и разница незаметна. Но стоит отобрать или переставить строки — и они расходятся. Поэтому у pandas два инструмента: iloc работает с позициями, loc — с метками.

iloc: по позиции

iloc (integer location) пишут с квадратными скобками. Одно число — одна строка:

import pandas as pd

orders = pd.read_csv("data/shop_orders.csv")
orders.iloc[0]

order_id                  10001
date                 2025-01-01
customer_id                C095
city                     Москва
channel             маркетплейс
category             Аксессуары
product        Кофемолка ручная
price                      3200
quantity                      2
Name: 0, dtype: object

Строка вернулась как Series: метки — названия столбцов, значения — содержимое ячеек. Name: 0 — метка этой строки. Тип object значит, что в Series лежат значения разных типов: и числа, и текст.

Срезы и отрицательные номера работают как у списков Python — конец среза не входит:

orders.iloc[2:5]

Список позиций возвращает строки в указанном порядке:

orders.iloc[[0, 10, -1]]

Позиции за пределами таблицы нет — будет ошибка:

orders.iloc[5000]

IndexError: single positional indexer is out-of-bounds

row_100 = ...
last_rows = ...

row_100 = orders.iloc[99]
last_rows = orders.iloc[-4:]

Через запятую iloc принимает второй адрес — позицию столбца. Сначала строки, потом столбцы:

print(orders.iloc[0, 6])
print(orders.iloc[0, -1])

Кофемолка ручная
2

orders.iloc[:3, 3:6]

Двоеточие без чисел значит «все»: orders.iloc[:, 0] — первый столбец целиком.

corner = ...

corner = orders.iloc[10:15, :3]

loc: по метке

Чтобы увидеть метки, которые не похожи на номера, возьмём сводку describe — у неё в индексе слова:

stats = orders.describe()
stats

loc принимает метку строки:

stats.loc["mean"]

order_id    10787.296977
price         688.721405
quantity        2.128268
Name: mean, dtype: float64

Через запятую — название столбца. Получается адрес ячейки «строка, столбец» — как в электронных таблицах:

print(stats.loc["mean", "price"])
print(stats.loc["max", "quantity"])

688.7214052287582
10.0

У loc тоже есть срезы и списки. Главное отличие от iloc: у среза по меткам конец входит.

stats.loc["min":"50%", ["price", "quantity"]]

Почему так? С позициями «до 5, не включая» удобно: [2:5] — три строки. С метками правило «не включая» потребовало бы знать, какая метка идёт после нужной, — а это неудобно и ненадёжно. Поэтому loc берёт обе границы.

median_price = ...
quartiles = ...

median_price = stats.loc["50%", "price"]
quartiles = stats.loc["25%":"75%", "quantity"]

Когда метки — числа

У таблицы orders метки строк — номера. loc всё равно понимает их как метки, и конец среза входит:

orders.loc[2:4, ["product", "price"]]

Позиция и метка расходятся, как только в таблице остаются не все строки. Возьмём три последние:

last = orders.tail(3)
last

Строки сохранили свои метки: 2445, 2446, 2447. А позиции в новой таблице — 0, 1, 2:

print(last.iloc[0, 6])
print(last.loc[2445, "product"])

Печенье овсяное
Печенье овсяное

Метки 0 в этой таблице нет:

last.loc[0]

KeyError: 0

piece = ...
first_product = ...

piece = orders.loc[10:14, ["date", "product", "price"]]
first_product = piece.iloc[0, 1]

Итоги

• iloc[строки, столбцы] — по позициям с нуля; конец среза не входит, как у списков.
• loc[строки, столбцы] — по меткам индекса и названиям столбцов; конец среза входит.
• Одна строка возвращается как Series, несколько — как таблица, строка и столбец — как одно значение.
• После отбора строк метки сохраняются, а позиции считаются заново.