Python为什么用iloc切片会报错_区分iloc按位置与loc按标签的底层逻辑-Python教程-PHP中文网

iloc只认纯整数位置，不接受标签、字符串、浮点数或非法布尔序列，越界或类型错误会直接抛typeerror/valueerror/indexerror。

python为什么用iloc切片会报错_区分iloc按位置与loc按标签的底层逻辑

直接说结论：iloc 只认**纯整数位置**，不接受标签、字符串、浮点数、布尔序列（除非是布尔数组且长度匹配），也不做任何隐式转换。一旦你写了 df.iloc['A'] 或 df.iloc[1.5:3]，立刻抛 TypeError 或 IndexError。

典型错误现象：

TypeError: cannot do label indexing on <class> with these indexers [A] of <class></class></class> —— 误把 loc 的写法套到 iloc 上
IndexError: single positional indexer is out-of-bounds —— 比如 df.iloc[100] 但 DataFrame 只有 50 行
ValueError: Can only index by location with a [integer, integer slice, list-like of integers, boolean array] —— 传了 None、np.nan 或空列表等非法类型

实操建议：

loc 看的是索引（index/columns）的**值本身**，不是“看起来像就行”。它底层调用的是索引对象的 .get_loc() 或 .get_indexer() 方法，依赖索引是否可哈希、是否唯一、是否有序。

常见误解场景：

索引是 Int64Index（比如 [1, 2, 3, 5]），你写 df.loc[4] → 报 KeyError，因为 4 不在索引中，哪怕它“数值上接近”
列名含空格或特殊字符：df.loc[:, 'user id'] 必须完全一致，多一个空格就失败
用 loc 切片时，起止值都必须存在于索引中（闭区间）：df.loc[2:5] 在 [1,2,3,5] 上会返回 2、3、5 三行，不含 4（因为没这行），也**不会报错**——这是很多人踩坑的点

实操建议：

用 df.index.is_monotonic_increasing 检查是否适合用切片；否则优先用布尔索引 df[df.index.isin([...])]
想模糊匹配？别硬靠 loc，改用 df.query("col == 'x'") 或 df.filter(regex='^user')
loc 支持标签列表但不支持元组当单个标签：df.loc[[1,3]] ✅，df.loc[(1,3)] ❌（除非是 MultiIndex）

MultiIndex 是最容易暴露两者底层逻辑差别的场景。iloc 始终只看“扁平化后的位置序号”，而 loc 必须传入符合层级结构的元组或切片。

Python Testing

Python 测试速查：运行 pytest、使用 mock/patch、参数化、fixtures、异步、覆盖率测试。

下载

例如 DataFrame 索引是两级 (country, year)：

df.iloc[0] → 第 0 行，不管它是 ('CN', 2020) 还是 ('US', 1999)
df.loc[('CN', 2020)] → 精确匹配这一对；df.loc['CN'] → 匹配所有 country='CN' 的行（前提是第一级索引可切片）
df.loc[('CN', [2020, 2021])] ❌ 错误：第二级不能直接传列表；得写 df.loc[('CN', slice(2020, 2021))] 或用 xs

性能提示：

这个错误非常高频：df.iloc[:, 'age'] 直接报错。原因很简单：iloc 的列参数也必须是整数位置，而 'age' 是字符串标签 —— 它属于 loc 的管辖范围。

正确做法只有两种：

注意陷阱：

df.columns.get_loc('age') 如果列名重复，返回第一个位置；若要找全部，得用 np.where(df.columns == 'age')[0]
df.iloc[:, [0, 2]] 是合法的，但 df.iloc[:, ['age', 'score']] 永远非法 —— iloc 不解析列名
列顺序变了（比如 reindex 或 drop 后），iloc 位置会变，loc 标签不变 —— 这是选择依据的关键