Pandas loc怎么用_loc[行名,列名]按标签索引数据的方法

loc用错索引名会直接报KeyError，因其严格按标签索引，要求行索引和列名必须真实存在且类型匹配，否则报错；需先检查df.index和df.columns，避免混淆标签与位置，赋值务必用loc防止链式赋值失效。

loc 用错索引名会直接报 KeyError

用 loc 按标签取数，前提是行和列必须真有那个标签。很多人把 loc 当成“按名字查”，但忘了 DataFrame 的行索引（index）可能根本不是字符串——比如是默认的 RangeIndex（0, 1, 2…），这时写 df.loc['a', 'col1'] 就会报 KeyError: 'a'。

实操建议：

• 先确认行索引类型：df.index 看输出，是 RangeIndex 还是 Index；如果是前者，loc['a'] 必然失败，得先设索引：df = df.set_index('id')
• 列名同理：用 df.columns 检查是否存在目标列名，注意大小写和空格（'Name ' ≠ 'Name'）
• 想安全地“尝试取值”，别用 loc 直接硬查，改用 df.query("col == 'x'") 或 df[df['col'].eq('x')]

loc\[行条件, 列条件\] 中布尔数组不能混用 label 和位置

loc 是纯标签索引，不接受整数位置（除非索引本身是数字且你明确想按标签查数字）。常见错误是写 df.loc[0:2, ['A','B']] —— 如果 index 是 [10, 20, 30]，那 0:2 会返回空，因为 0 和 2 根本不在索引里。

实操建议：

• 切片用标签范围：df.loc[10:30, ['A','B']]（闭区间，含 10 和 30）
• 要按位置切前三行？别用 loc，换 iloc[0:3]
• 布尔条件必须作用于标签或列名：df.loc[df.index.isin([10,30]), 'A'] 或 df.loc[df['A'] > 5, ['B','C']]
• 混合使用时尤其小心：df.loc[df['A'] > 5, 'B'] 是合法的，但 df.loc[0:2, df['A'] > 5] 会出错——右边是布尔 Series，左边是位置式切片，类型不匹配

赋值时 loc\[行, 列\] = value 会原地修改，但链式赋值无效

loc 赋值是唯一推荐的、能稳定生效的标签赋值方式。而 df[df.A > 1]['B'] = 999 这种写法大概率静默失败（SettingWithCopyWarning），因为中间可能产生视图而非原 DataFrame。

实操建议：

• 所有带条件的赋值，统一走 loc：df.loc[df['A'] > 1, 'B'] = 999
• 一次改多列：df.loc[df['A'] > 1, ['B','C']] = [999, 'new']（等号右边必须长度匹配）
• 如果右侧是标量（如 0），会广播到所有选中单元格；如果是列表或数组，长度必须等于选中行数
• 注意 dtype 影响：给 int 列赋 None 或 np.nan 会触发自动转为 float，且无法再塞回 int（除非用 Int64 nullable 类型）

loc 在多级索引（MultiIndex）里必须传元组或切片

当行索引是两层（比如 (country, year)），loc['China'] 会报错，因为 loc 不知道你是想查第一层还是整个元组。

实操建议：

• 查第一层所有值：df.loc[('China', slice(None)), 'sales']（slice(None) 表示该层全选）
• 查某一层的多个值：df.loc[pd.IndexSlice['China', [2020, 2021]], 'sales']
• 更直白写法：df.xs('China', level='country')（适合单层提取，不带原索引）
• 避免用字符串拼接构造元组，比如 df.loc['China', 2020] 在 MultiIndex 下会被解释为两个独立参数，报 IndexingError

最常被忽略的是索引类型和赋值意图之间的错位：你以为在按名字找，其实 index 是数字；你以为在安全赋值，其实用了链式操作。loc 不难，但它的“标签”二字必须抠到每一处索引定义里。