iloc只认行号和列号，不看索引名；loc只认索引标签和列名，切片为闭区间；二者本质互斥，混用需明确每步查位置还是标签。

iloc 切片：只认行号和列号，不看索引名

用 iloc 就是纯数字坐标思维——第几行、第几列，从 0 开始数，且不关心你 DataFrame 的 index 或 columns 是什么名字。它适合快速按位置取数据，比如“前 3 行、后 2 列”这种需求。

常见错误是把字符串标签传给 iloc，比如 df.iloc['A'] 直接报 TypeError: cannot do label indexing on <class> with these indexers</class>——因为 iloc 只接受整数、切片、布尔数组或整数列表。

• df.iloc[0] → 第 0 行（Series）
• df.iloc[:, [0, 2]] → 所有行，第 0 和第 2 列（注意列序号）
• df.iloc[1:4, 2:5] → 行 1–3（左闭右开），列 2–4
• 传入负数也合法：df.iloc[-2:, :3] → 最后两行、前 3 列

loc 切片：只认索引标签和列名，不看位置

loc 完全依赖标签：行索引值（index）、列名（columns），而且切片是“包含端点”的——df.loc['a':'c'] 真的会包含 'a' 和 'c' 对应的行（前提是索引有序且可比较）。

容易踩坑的是：当 index 是默认 RangeIndex 时，df.loc[0:2] 看似像 iloc，但其实是在找 index 值为 0、1、2 的行；如果中间某行被删了（比如 index 缺了 1），loc[0:2] 可能只返回两行甚至报错，而 iloc[0:2] 总是稳定返回前两行。

• df.loc['row1', 'colA'] → 单个单元格（行列都用标签）
• df.loc[:, ['colA', 'colC']] → 所有行，指定列名子集
• df.loc[df['colB'] > 10, ['colA', 'colC']] → 布尔索引 + 列标签组合
• 若 index 是日期，df.loc['2023-01':'2023-03'] 有效；但 iloc 对日期索引完全无效

混合使用 loc/iloc 时的典型陷阱

不能混着写，比如 df.loc[0, 'colA'] 是错的——0 被当作行标签查，如果 index 没有整数 0 就报 KeyError；同理 df.iloc['colA'] 直接 TypeError。

python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、

下载

真正需要“按位置选行 + 按标签选列”时，得拆开操作：df.iloc[2:5].loc[:, ['colX', 'colY']]，或者更高效地用 df.iloc[2:5, df.columns.get_loc(['colX', 'colY'])]（但后者要求列名唯一且存在）。

• 用 df.columns.get_loc('colA') 获取列位置，避免硬编码数字（列顺序可能变）
• df.index.get_loc('rowB') 同理，用于把标签转成位置，再喂给 iloc
• 对 MultiIndex，loc 支持元组匹配（df.loc[('A', 'X'), :]），iloc 仍只认扁平位置

性能与可读性权衡：什么时候该换一种写法？

单纯取连续块数据时，iloc 和 loc 性能差异不大；但带布尔条件时，df[mask].loc[:, cols] 比 df.loc[mask, cols] 多一次拷贝，后者更优。

真正影响维护性的，是代码是否暴露了“位置依赖”。比如用 iloc[:, 0:3] 读 Excel 导入的表，一旦源表加了一列，逻辑就偏了；换成 loc[:, ['name', 'age', 'city']] 更健壮。

• 配置驱动或模板化处理时，优先用 loc + 显式列名列表
• 算法内部做滑动窗口、分块计算，用 iloc 更直觉
• 别为了“看起来简洁”写 df.iloc[::2]，除非你真需要隔行采样；否则用 df.iloc[range(0, len(df), 2)] 更易懂

位置和标签两种视角本质互斥，选哪个取决于你心里想的是“第几格”，还是“叫什么名字”。混用不是不行，但得清楚每一步在查什么。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！