pandas中的iloc和loc用法的区别
一、总结
一句话总结：
iloc，即index locate 用index索引进行定位，所以参数是整型，如：df.iloc[10:20, 3:5]
loc，则可以使用column名和index名进行定位，如：df.loc[‘image1’:‘image10’, ‘age’:‘score’]
1、iloc方法和loc方法索引时候注意？
在iloc使用索引定位的时候，因为是索引，所以，会按照索引的规则取值，如：[1:5] 会取出 1,2,3,4 这4个值。
但是loc按照label标签取值则不是这样的。如：[‘A’:‘C’] A,B,C 都会取出来。
二、pandas.DataFrame()中的iloc和loc用法
转自或参考：pandas.DataFrame()中的iloc和loc用法
https://blog.csdn.net/missyougoon/article/details/83375375
简单的说：
iloc，即index locate 用index索引进行定位，所以参数是整型，如：df.iloc[10:20, 3:5]
loc，则可以使用column名和index名进行定位，如：
df.loc[‘image1’:‘image10’, ‘age’:‘score’]
实例：
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
np.random.seed(666)
df = pd.DataFrame(np.random.rand(25).reshape([5, 5]), index=['A', 'B', 'D', 'E', 'F'], columns=['c1', 'c2', 'c3', 'c4', 'c5'])
print(df.shape) # (5, 5)
# 返回前五行
df.head()
# 返回后五行
df.tail()
# 访问 某几个 列
print(df[['c1', 'c4']])
'''
c1 c4
A 0.700437 0.727858
B 0.012703 0.099929
D 0.200248 0.700845
E 0.774479 0.110954
F 0.023236 0.197503
'''
# 赋值于一个新的 dataframe
sub_df = df[['c1', 'c3', 'c5']]
'''
c1 c3 c5
A 0.700437 0.676514 0.951458
B 0.012703 0.048813 0.508066
D 0.200248 0.192892 0.293228
E 0.774479 0.112858 0.247668
F 0.023236 0.340035 0.909180
'''
# 查看前五行
print(sub_df.head(5))
'''
c1 c3 c5
A 0.700437 0.676514 0.951458
B 0.012703 0.048813 0.508066
D 0.200248 0.192892 0.293228
E 0.774479 0.112858 0.247668
F 0.023236 0.340035 0.909180
'''
# 查看中间 几行 的数据 使用 方法 iloc
print(sub_df.iloc[1:3, :]) # iloc : index location 用索引定位
'''
c1 c3 c5
B 0.012703 0.048813 0.508066
D 0.200248 0.192892 0.293228
'''
# 过滤 列
print(sub_df.iloc[1:2, 0:2]) # 和python的用法一样，但是 该方法 是 基于 index 信息的
'''
c1 c3
B 0.012703 0.048813
'''
# loc 方法， 通过label 名称来过滤
print(sub_df.loc['A':'B', 'c1':'c3']) # 基于 label 选择
'''
c1 c3
A 0.700437 0.676514
B 0.012703 0.048813
'''
需要注意的是：
在iloc使用索引定位的时候，因为是索引，所以，会按照索引的规则取值，如：[1:5] 会取出 1,2,3,4 这4个值。
但是loc按照label标签取值则不是这样的。如：[‘A’:‘C’] A,B,C 都会取出来。