Nivel 1 · Filas por posición, columnas por nombre

Dos formas de señalar filas

Cada fila de un DataFrame tiene una posición (0 para la primera fila, 1 para la segunda, y así sucesivamente) y una etiqueta de índice (el valor que se muestra a la izquierda). Justo después de cargar un CSV son los mismos números, lo que oculta la diferencia. Después de filtrar u ordenar ya no lo son, y elegir la equivocada te da las filas equivocadas sin ningún error.

pandas te da una herramienta para cada una:

• .iloc selecciona por posición entera.
• .loc selecciona por etiqueta: etiquetas de índice para las filas, nombres de columna para las columnas.

iloc: posiciones

.iloc funciona como el slicing de listas de Python, con el final excluido:

products.iloc[0]          # first row, as a Series
products.iloc[10:15]      # positions 10, 11, 12, 13, 14
products.iloc[-3:]        # last three rows
products.iloc[10:15, 1:4] # same rows, columns at positions 1 to 3

Las posiciones de columna son frágiles, porque añadir una columna las desplaza. Así que en la práctica normalmente elegirás filas con .iloc y columnas por nombre en un segundo paso:

products.iloc[10:15][["name", "category", "unit_price"]]

loc: etiquetas

.loc[rows, columns] toma etiquetas para ambos:

products.loc[10:14, ["name", "category", "unit_price"]]
products.loc[:, ["name", "unit_price"]]     # all rows, two columns
products.loc[3, "name"]                     # one cell

Importante: los slices de etiquetas en .loc incluyen el final. products.loc[10:14] devuelve cinco filas, las etiquetas de la 10 a la 14. Esto se debe a que las etiquetas no siempre son números (pueden ser fechas o nombres), y «de lunes a viernes» debería incluir el viernes.

Cuando las etiquetas y las posiciones se separan

Ordena los productos por precio y las etiquetas del índice viajan con sus filas:

by_price = products.sort_values("unit_price", ascending=False)
by_price.iloc[0]       # the most expensive product (position 0)
by_price.loc[0]        # the row whose label is 0, wherever it ended up

Si querías decir «la primera fila», iloc es lo correcto y loc te da en silencio un producto distinto. Por eso no debes confiar en las etiquetas del índice después de remodelar los datos, a menos que las establezcas a propósito, por ejemplo con reset_index(drop=True) o set_index("product_id").

Usar un índice con significado

Puedes hacer que una columna de ID sea el índice y luego buscar filas por ID:

by_id = products.set_index("product_id")
by_id.loc[102, "name"]        # 'Alder Oak Coffee Table'
by_id.loc[[101, 102, 103]]    # several products at once

Esta es la versión de pandas de una búsqueda en un diccionario, y es útil cuando necesitas las mismas filas repetidamente.

La regla de un solo paso

Cuando quieras cambiar valores, hazlo en una sola llamada a .loc: df.loc[row_selector, "column"] = value. Encadenar dos selecciones, como df[df["x"] > 0]["column"] = value, puede modificar una copia temporal en lugar de df. El pandas moderno avisa de esto (y pandas 3 nunca modifica el original de esa manera), así que adquiere el hábito desde ahora.

Errores comunes

• Esperar que products.loc[10:15] dé cinco filas. Da seis, porque .loc incluye el final.
• Usar .loc[0] después de ordenar para obtener la fila de arriba.
• Mezclar posiciones y nombres en una sola llamada a .iloc: products.iloc[10:15, "name"] falla, ya que .iloc solo acepta enteros.