0Pricing
Data Science Academy · Aula

Acesso por rótulo versus por posição

Escolha loc ou iloc com confiança.

Acesso por rótulo versus por posição é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

Two Ways to Reach In

A Series has both labels and positions, so there are two ways to grab a value: by its label or by its position number. Knowing which to use keeps your code clear. 🎯

Our Sample Series

Here is a small Series with string labels. We will use it to compare both access styles throughout this lesson.

import pandas as pd
s = pd.Series([90, 75, 88], index=['Ada', 'Bo', 'Cy'])

loc Uses Labels

The .loc accessor looks values up by their index label. You ask for a name and pandas returns that named value.

print(s.loc['Bo'])

iloc Uses Positions

The .iloc accessor works by integer position instead, counting from zero like a normal list. Position 1 is the second value.

print(s.iloc[1])

Same Value, Two Roads

With our Series, s.loc['Bo'] and s.iloc[1] return the same number. They reach it differently: one by name, one by spot.

print(s.loc['Bo'] == s.iloc[1])

Slicing With iloc

Position slices behave like list slices: the end is excluded. So iloc[0:2] returns the first two values only.

print(s.iloc[0:2])

Slicing With loc

Label slices are different: with .loc, the end label is included. Asking from 'Ada' to 'Bo' returns both endpoints.

print(s.loc['Ada':'Bo'])

The Inclusive Surprise

That inclusive end is the most common mix-up. Remember: iloc drops the last position, while loc keeps the last label. 🧠

Grab Several at Once

Pass a list of labels to .loc to pull many values together. The result is a smaller Series in the order you asked.

print(s.loc[['Ada', 'Cy']])

When Labels Are Numbers

If your index is integers, plain s[2] gets ambiguous. Using explicit .loc or .iloc removes all doubt about what you meant.

Pick With Confidence

Reach for .loc when you know the name, and .iloc when you know the spot. Being explicit makes your selections impossible to misread.

Quick Check

Test your grip on the two accessors.

Recap

You now choose .loc for labels and .iloc for positions, and you remember that loc slices include the end while iloc slices do not. Solid! 🎉

Perguntas Frequentes

A aula “Acesso por rótulo versus por posição” é grátis?

Sim — o texto completo de “Acesso por rótulo versus por posição” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.

O que vou aprender em “Acesso por rótulo versus por posição”?

Escolha loc ou iloc com confiança. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar Data Science Academy?

Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.

Quanto tempo leva a aula “Acesso por rótulo versus por posição”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de Data Science Academy?

Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Uma coluna com nome e índice
  2. Acesso por rótulo versus por posição
  3. Matemática e alinhamento de Series
  4. Conte e identifique valores
← Voltar para Data Science Academy