关于Pandas中loc索引器支持整数类型列名的疑问

首先得明确一个核心逻辑：loc的定位逻辑是匹配「轴标签」，而标签的类型并不局限于字符串——整数、日期、甚至自定义的可哈希对象，都可以作为Pandas的轴标签。

你觉得loc只能用字符串，其实是一种误解。loc的设计目标是：只要你传入的参数和DataFrame/Series的行/列标签完全一致，不管这个标签是什么类型，都能精准匹配到对应的行或列。

举个简单的例子，直观感受两者的区别：

import pandas as pd

# 创建列名为整数的DataFrame
df = pd.DataFrame([[1,2,3], [4,5,6]], columns=[0, 1, 2])

# 用loc选取列标签为1的列
print(df.loc[:, 1])
# 输出：
# 0    2
# 1    5
# Name: 1, dtype: int64

# 对比iloc，它取的是位置索引为1的列（这里刚好标签和位置一致）
print(df.iloc[:, 1])
# 输出和上面一样，但逻辑完全不同：如果列标签改成[10,20,30]，iloc[:,1]还是取第二列，而loc[:,1]会报错找不到标签

再换个标签和位置不一致的例子，更能凸显两者的本质差异：

df = pd.DataFrame([[1,2,3], [4,5,6]], columns=[10, 20, 30])

# loc找标签20的列，正常返回对应数据
print(df.loc[:, 20])
# 0    2
# 1    5
# Name: 20, dtype: int64

# iloc找位置1的列，也就是第二列，结果一样但逻辑不同
print(df.iloc[:, 1])

# 如果用loc找1，会直接报错，因为DataFrame里没有这个标签
# df.loc[:, 1]  # KeyError: 1

总结一下关键点：

• loc的参数是「标签值」，不管标签是字符串还是整数，只要存在就能匹配
• iloc的参数是「位置偏移量」，永远是从0开始的整数，和标签本身是什么无关

Pandas这么设计是为了给用户最大的灵活性——你可以根据业务场景选择合适的标签类型，loc只负责精准匹配这些标签，不会限制标签的类型。

内容的提问来源于stack exchange，提问作者Mohammad Al Jadallah