python pandas 中 loc & iloc 用法区别

###  随机生DataFrame 类型数据
import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.rand(4,4),index=list('abcd'),columns=list('ABCD'))
frame

1、loc 基于行标签和列标签（x_label、y_label）进行索引

### .loc先行后列，中间用逗号（,）分割，例如取 a 和 A 对应的数据
frame.loc['a','A']

0.56009394013943303

### 取前两行对应数据
frame.loc['a':'b',:]

	A	B	C	D
a	0.560094	0.352686	0.954100	0.926277
b	0.563728	0.335517	0.232902	0.973932

### 取前两列对应数据
frame.loc[:,'A':'B']

### 取前两行和前两列对应数据
frame.loc['a':'b','A':'B']

	A	B
a	0.560094	0.352686
b	0.563728	0.335517

### 上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.loc[['a','d'],['A','D']]上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.loc[['a','d'],['A','D']]

	A	D
a	0.560094	0.926277
d	0.477146	0.986668

2、 iloc 基于行索引和列索引（index，columns）都是从 0 开始

如果数据的行标签和列标签名字太长或不容易记，则用 iloc 很方便，只需记标签对应的索引即可

### .loc先行后列，中间用逗号（,）分割，例如取 a 和 A 对应的数据
frame.iloc[0,0]

0.56009394013943303

### 取前两行对应数据
frame.iloc[0:2,:]

	A	B	C	D
a	0.560094	0.352686	0.954100	0.926277
b	0.563728	0.335517	0.232902	0.973932

### 取前两列对应数据
frame.iloc[:,0:2]

### 取前两行和前两列对应数据
frame.iloc[0:2,0:2]

	A	B
a	0.560094	0.352686
b	0.563728	0.335517

### 上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.iloc[[0,3],[0,3]]上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.iloc[[0,3],[0,3]]

	A	D
a	0.560094	0.926277
d	0.477146	0.986668

3、 ix 基于标签或者索引（loc和iloc 的混合）

### 取前两行和前两列对应数据
frame.iloc[0:2,0:2]

	A	B
a	0.560094	0.352686
b	0.563728	0.335517

### 取前两行和前两列对应数据
frame.ix['a':'b','A':'B']

	A	B
a	0.560094	0.352686
b	0.563728	0.335517

官方文档新的python版本已经弃用 ix，建议使用 loc 和 iloc

.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing