iloc切片报错原因及loc与iloc区别解析

本文深入剖析了pandas中iloc与loc两大索引器的本质区别与常见陷阱：iloc严格基于纯整数位置（不接受标签、字符串、浮点数或非法布尔值），越界或类型错误会立即抛出明确异常；而loc则按索引标签精确匹配，支持闭区间切片但要求标签真实存在，对MultiIndex和非单调索引尤为敏感；二者在列选择、混合索引、性能表现及底层逻辑（内存偏移 vs 语义寻址）上均存在根本差异——掌握这些差异，才能避开90%的索引报错，写出健壮、可维护的pandas代码。

iloc切片报错最常见的原因：传入了非整数索引或越界位置

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 with these indexers [A] of —— 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：

• 用 df.index 和 df.columns 看清当前索引类型；如果它们是 RangeIndex（默认）或纯数字，iloc 才“安全”
• 不确定时先查位置：df.index.get_loc('label') 转成整数再喂给 iloc，而不是硬套
• 切片边界必须是整数或 None：df.iloc[2:5] ✅，df.iloc[2.0:5.0] ❌

loc按标签索引不是“名字匹配”，而是严格对齐索引对象

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）

混合索引（MultiIndex）下iloc和loc的行为差异更明显

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。

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：

• iloc 在 MultiIndex 下几乎无额外开销，纯位置查
• loc 在 MultiIndex 上可能触发树状搜索或哈希查找，若索引未排序（sort_index() 没调），速度可能骤降

为什么不能用iloc选列名字符串？因为列索引类型不匹配

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：

• 用 loc：df.loc[:, 'age'] 或 df.loc[:, ['age', 'score']]
• 先把列名转位置：col_pos = df.columns.get_loc('age')，再 df.iloc[:, col_pos]

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

底层逻辑一句话收尾：iloc 是 NumPy 式的“内存偏移寻址”，loc 是 Pandas 式的“索引语义寻址”。混淆它们，本质是混淆了数据容器的物理布局和逻辑结构。

终于介绍完啦！小伙伴们，这篇关于《iloc切片报错原因及loc与iloc区别解析》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！