Python的pandas把我坑惨了，原来loc和iloc的区别这么大

上个月，同事让我帮他看一段数据处理的代码。逻辑很简单：从一份销售表里取出前 100 行，按地区筛选，然后更新某列的数值。他写完之后跑了一遍，结果对不上，但代码没报错，数据也没缺，就是数字不对。

他把代码发给我，我扫了一眼，问题出在两行上：

df.loc[0:100, 'amount'] = df.loc[0:100, 'amount'] * 1.1


他说：“取前 100 行，乘个 1.1，有什么问题？”

我说：“在 loc 里，0:100 取的是 101 行，不是 100 行。”

他愣了一下：“切片不都是左闭右开吗？”

在 Python 里是，在 pandas 的 loc 里不是。

这就是 loc 和 iloc 最容易让人栽跟头的地方。它们的语法看起来几乎一样，都是 df[行, 列] 的形式，但底层逻辑完全不同。一个是按标签找，一个是按位置找。一个切片包含右端点，一个不包含。一个接受任意标签类型，一个只接受整数。

混用它们，代码不会报错，但结果会悄悄偏掉。

最根本的区别：标签 vs 位置

loc 的全称是 location by label，按标签定位。iloc 的全称是 integer location，按整数位置定位。

用一个具体的 DataFrame 来看：

import pandas as pd

df = pd.DataFrame({
   'name': ['Alice', 'Bob', 'Charlie', 'David'],
   'score': [85, 92, 78, 95]
}, index=['a', 'b', 'c', 'd'])


这个 DataFrame 的索引是 'a'、'b'、'c'、'd'，位置是 0、1、2、3。

df.loc['b'] 取的是索引为 'b' 的那一行，也就是 Bob。df.iloc[1] 取的是位置为 1 的那一行，也是 Bob。这里两者恰好指向同一行，因为索引标签和位置碰巧对上了。

但如果索引不是默认的 0、1、2、3 呢？比如把索引改成 [10, 20, 30, 40]：

df.index = [10, 20, 30, 40]


现在 df.loc[10] 取的是索引为 10 的那一行，也就是第一行 Alice。但 df.iloc[10] 会直接报 IndexError，因为只有 4 行，位置 10 不存在。

反过来，df.iloc[0] 取第一行 Alice，df.loc[0] 会报 KeyError，因为索引里没有 0 这个标签。

这就是核心差异：loc 认的是索引里真实存在的标签，iloc 认的是从 0 开始数的位置编号。两者只在索引恰好是 0、1、2、3……的时候才会重合。一旦索引被设置成日期、字符串、或者乱序的整数，它们就分道扬镳了。

切片行为：loc 包含右端点，iloc 不包含

Python 的切片 list[0:3] 取的是索引 0、1、2，不包含 3。这是大多数人的肌肉记忆。

iloc 遵循这个规则：

df.iloc[0:3]  # 取位置 0、1、2，共 3 行


但 loc 不一样：

df.loc['a':'c']  # 取 'a'、'b'、'c'，共 3 行，包含 'c'


loc 的切片是闭区间，左右都包含。这个设计其实有它的道理：标签是离散的、有意义的，你说“从 a 到 c”，自然应该把 c 也包括进去。而位置是连续的编号，Python 传统上就是左闭右开。

但问题在于，很多人写代码时不会刻意去想这个差异。尤其是当索引是整数的时候：

df = pd.DataFrame({'x': range(10)})
df.loc[0:5]   # 取 0、1、2、3、4、5，共 6 行
df.iloc[0:5]  # 取 0、1、2、3、4，共 5 行


一个取 6 行，一个取 5 行。如果你在循环里用 loc 做分批处理，每批的大小就会比你预期多一行。批次之间还会重叠，因为上一批的末尾和下一批的开头是同一行。

我见过有人在训练模型时用 loc 做数据切分，训练集和验证集有重叠样本，模型评估结果虚高，排查了很久才发现是切片包含右端点导致的。

布尔索引：loc 支持，iloc 不支持

loc 可以直接接受布尔 Series 或布尔数组：

df.loc[df['score'] > 80]


这行代码选出 score 大于 80 的所有行。loc 会把布尔序列对齐到索引上，True 的位置保留，False 的位置丢弃。

iloc 不接受布尔序列。df.iloc[df['score'] > 80] 会报错，因为它期望的是整数位置，不是布尔值。

想在 iloc 里实现同样的效果，得先算出满足条件的行位置：

import numpy as np
positions = np.where(df['score'] > 80)[0]
df.iloc[positions]


麻烦得多，而且容易出错。所以条件筛选基本都用 loc，这是它的主场。

整数索引的歧义

loc 和 iloc 最危险的场景，是索引本身就是整数，而且不是从 0 开始的连续整数。

df = pd.DataFrame({'x': [10, 20, 30]}, index=[1, 2, 3])


df.loc[1] 取的是索引为 1 的那一行，也就是 x=10。df.iloc[1] 取的是位置为 1 的那一行，也就是 x=20。

同样写 [1]，一个拿第一行，一个拿第二行。如果代码里混用了 loc 和 iloc，或者从别处复制了一段代码但没改定位方式，结果就会错位。

更隐蔽的是 df[1] 这种写法。方括号直接索引在 pandas 里行为很复杂：对列名来说，它取列；对切片来说，它取行；对整数来说，它可能按位置也可能按标签，取决于索引类型。这种模糊性正是 pandas 官方建议永远明确使用 loc 或 iloc 的原因。

赋值时的坑

loc 和 iloc 在读取时的差异已经够多了，赋值时更危险。

用 loc 赋值：

df.loc[df['score'] > 80, 'grade'] = 'A'


这是标准做法，安全、清晰。

用 iloc 赋值：

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


把位置 0 到 2 的行的第 1 列设为 0。这也有效。

但如果链式使用，比如 df['score'].iloc[0] = 100，pandas 会抛 SettingWithCopyWarning，因为 df['score'] 返回的是一个副本还是一个视图是不确定的，修改可能不会反映到原 DataFrame 上。

loc 在链式赋值时同样有这个问题：df['score'].loc[0] = 100 也会警告。

正确的做法始终是在一次 loc 或 iloc 调用里完成行列定位：

df.loc[0, 'score'] = 100
df.iloc[0, 1] = 100


不要先取列再取行，也不要先取行再取列。

一个真实场景

我之前处理一份订单表，索引是订单号，是一串不连续的整数，比如 1001、1003、1007、1012……。我需要做两件事：一是取出前 50 条记录做快速检查，二是把金额大于 1000 的订单标记为高价值。

第一件事我写了：

sample = df.loc[0:50]


结果取出来 51 条，而且因为索引不是从 0 开始的，loc[0:50] 实际匹配的是标签在 0 到 50 之间的行——但这个范围里可能一条都没有，因为订单号是从 1001 开始的。最后返回的是一个空 DataFrame。

正确的写法是：

sample = df.iloc[0:50]


按位置取前 50 条，和索引标签无关。

第二件事我写了：

df.loc[df['amount'] > 1000, 'level'] = 'high'


这个没问题，因为 loc 天然支持布尔索引。

但如果我错误地写成 df.iloc[df['amount'] > 1000, ...]，就会直接报错。iloc 不接受布尔序列。

这两个操作放在一起，恰好展示了 loc 和 iloc 各自最适合的场景：按条件筛选用 loc，按位置取数用 iloc。

性能差异

loc 和 iloc 在性能上也有区别，虽然大多数时候可以忽略，但在大数据集上值得注意。

iloc 按位置定位，底层直接操作 numpy 数组的整数索引，速度最快。

loc 按标签定位，需要先在索引里查找标签对应的位置，多了一步哈希查找或二分查找。对于普通规模的 DataFrame，这个开销可以忽略。但对于几百万行的数据，频繁用 loc 做逐行访问会比 iloc 慢不少。

不过这个差异不应该成为选择依据。正确性永远优先于性能。该用 loc 的地方用 loc，该用 iloc 的地方用 iloc。如果确实遇到性能瓶颈，再考虑把索引转成位置、用 iloc 批量操作，或者直接上 numpy。

一张表说清楚

怎么避免踩坑

第一，永远明确写 loc 或 iloc，不要用 df[...] 做模糊索引。方括号的直接索引在 pandas 里行为太多变，读代码的人无法一眼判断是按列还是按行、是按标签还是按位置。

第二，索引不是默认整数时，优先用 iloc 做位置操作。只要你想表达的是“第几行”“前几行”“某几行”，就用 iloc。只要你想表达的是“索引为某个值的行”，就用 loc。

第三，切片时想一想右端点。用 loc 切片，问自己是否真的想包含右端点。用 iloc 切片，确认自己用的是左闭右开的习惯。

第四，条件筛选只用 loc。iloc 不支持布尔序列，硬要绕路只会让代码更难读。

第五，注意索引类型。如果索引是整数，务必清楚 loc 和 iloc 会给出不同结果。可以在代码里加注释说明索引的含义，或者干脆用 reset_index() 把索引变成默认的 0、1、2、3，消除歧义。

最后

loc 和 iloc 的区别，本质上是标签语义和位置语义的区别。一个回答“哪个标签”，一个回答“第几个”。

它们长得像，但规则不同：切片右端点一个包含一个不包含，布尔索引一个支持一个不支持，整数索引下同一个数字指向不同的行。

这些差异不会让代码报错，只会让结果偏掉。而数据处理的 bug，最难查的就是这种“不报错但不对”的问题。

写 pandas 的时候，每次敲下 loc 或 iloc，花一秒钟想一下：我要的是标签还是位置？这一秒钟，能省下后面几个小时的排查。