[Python] loc, iloc 차이점 비교 (Pandas)

loc, iloc 차이점 비교 (Pandas)

들어가며

• 판다스(Pandas)의 @loc@과 @iloc@ 함수의 차이점을 정리해본다.
• 두 함수는 판다스의 데이터프레임(DataFrame) 객체에서 사용할 수 있다.

 

loc 함수

개념

• 라벨 기반(Label-based) 인덱싱 방식
• 행과 열의 이름 또는 라벨을 기준으로 데이터를 선택한다.
• 슬라이싱을 할 때, 끝값도 포함된다. (@[a, b]@)

 

사용 예시 코드

import pandas as pd

data = {
    'A': [1, 2, 3], 
    'B': [4, 5, 6], 
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])

""" 출력 결과
      A  B  C
row1  1  4  7
row2  2  5  8
row3  3  6  9
"""

# 특정 라벨의 행 선택
print(df.loc['row1'])  # row1의 데이터 반환

""" 출력 결과
A    1
B    4
C    7
Name: row1, dtype: int64
"""

# 특정 라벨의 행과 열 선택
print(df.loc['row1', 'A'])  # row1 행의 A 열 데이터 반환

""" 출력 결과
1
"""

# 슬라이싱 (라벨 기반)
print(df.loc['row1':'row2'])  # row1부터 row2까지 포함

""" 출력 결과
      A  B  C
row1  1  4  7
row2  2  5  8
"""

 

iloc 함수

개념

• 정수 기반(Integer-based) 인덱싱 방식
• 행과 열의 정수 인덱스 위치를 기준으로 데이터 선택
• 슬라이싱을 할 때 끝값은 포함되지 않는다. (@[a, b)@)

 

사용 예시 코드

import pandas as pd

data = {
    'A': [1, 2, 3], 
    'B': [4, 5, 6], 
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])

""" 출력 결과
      A  B  C
row1  1  4  7
row2  2  5  8
row3  3  6  9
"""

# 특정 정수 위치의 행 선택
print(df.iloc[0])  # 첫 번째 행 반환

""" 출력 결과
A    1
B    4
C    7
Name: row1, dtype: int64
"""

# 특정 정수 위치의 행과 열 선택
print(df.iloc[0, 0])  # 첫 번째 행의 첫 번째 열 데이터 반환

""" 출력 결과
1
"""

# 슬라이싱 (정수 기반)
print(df.iloc[0:2])  # 0번째부터 1번째 행까지 반환 (2는 포함되지 않음)

""" 출력 결과
      A  B  C
row1  1  4  7
row2  2  5  8
"""

 

비교

특징	@loc@	@iloc@
기준	라벨(Label)	정수(Integer)
슬라이싱 범위	끝값 포함	끝값 미포함
사용하면 좋은 경우	행/열 이름이 명확할 때	정수 위치로 빠르게 참조할 때

 

• 아래의 코드는 동일한 결과를 출력한다.

import pandas as pd

data = {
    'A': [1, 2, 3], 
    'B': [4, 5, 6], 
    'C': [7, 8, 9]
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])

""" 출력 결과
      A  B  C
row1  1  4  7
row2  2  5  8
row3  3  6  9
"""

print(df.loc['row1', 'A'])
print(df.iloc[0, 0])

""" 출력 결과
1
"""

 

참고 사이트

pandas.DataFrame.loc — pandas 2.2.3 documentation

pandas.DataFrame.iloc — pandas 2.2.3 documentation