PythonのPandasのlocとilocの違いについて

2025年8月29日

Pythonの Pandas における .loc と .iloc の違いについて、詳しく体系的に解説します。

両者は「データフレームの行や列を抽出するためのインデクサ」ですが、使い方と挙動に明確な違いがあります。

基本的な違い

.loc
→ ラベルベース（インデックスや列名で指定）
行や列を「名前」で選択する。
.iloc
→ 整数位置ベース（行番号や列番号で指定）
行や列を「番号」で選択する。

具体例

まず、例となるデータフレームを作ります。

import pandas as pd

df = pd.DataFrame({
    "A": [10, 20, 30, 40],
    "B": [50, 60, 70, 80],
    "C": [90, 100, 110, 120]
}, index=["row1", "row2", "row3", "row4"])

print(df)

`.loc` の例（ラベル指定）

# 行ラベル指定
df.loc["row2"]       # row2 のデータ
df.loc[["row1","row3"]]  # 複数行

# 行と列の両方
df.loc["row2", "B"]     # 値 60
df.loc[["row2","row3"], ["A","C"]]  # 行と列の組み合わせ

# 範囲指定（ラベルは inclusive）
df.loc["row1":"row3"]   # row1, row2, row3 が含まれる

`.iloc` の例（番号指定）

# 行番号指定
df.iloc[1]        # 2行目 (row2)
df.iloc[[0,2]]    # 1行目と3行目

# 行と列の両方
df.iloc[1, 1]     # 2行目×2列目 → 値 60
df.iloc[1:3, 0:2] # 行2〜3, 列1〜2（範囲は Python のスライス仕様で末尾は含まれない）

# 範囲指定（番号は exclusive）
df.iloc[0:2]      # row1, row2 が含まれる

`.loc` と `.iloc` の挙動の違いまとめ

特徴	`.loc`	`.iloc`
指定方法	行・列のラベル（名前）	行・列の整数位置
範囲スライス	末尾含む	末尾含まない
ブール条件	使用可能	使用不可
エラー挙動	存在しないラベルを指定するとエラー	存在しない番号を指定するとエラー

よくある間違いと注意点

範囲指定の違い
- df.loc["row1":"row3"] → row3 を含む
- df.iloc[0:3] → 3番目の行は含まれない
混同しやすいケース
インデックスが整数のとき（例: 0,1,2,3…）
- df.loc[1] は「ラベル 1 の行」を探す
- df.iloc[1] は「2行目（0始まり）」を探す
  → データフレームのインデックスに「整数」を使っているとバグを生みやすい
条件抽出は loc df.loc[df["A"] > 20] # OK df.iloc[df["A"] > 20] # エラー