python中iloc和loc的用法
loc:标签索引iloc:位置索引
近期学习到了loc和iloc的切片用法，发现用法实在是很多，所以用一个简单的例子进行总结用法，期间也借鉴了大量笔记，如果有错误的地方，期待小伙伴们评论区指正。 pandas以类似字典的方式来获取某一列的值。 数据data.csv分布如下： 查看数据：
import pandas as pd
data = pd.read_csv('./data.csv',index_col=0,encoding='gb2312')
print(data)
print(data.shape)
index = data.index
col = data.columns
print(index)
print(col)
结果如下：
A B C D E F
a 1 2 3 4 5 6
b 7 8 9 10 11 12
c 13 14 15 16 17 18
d 19 20 21 22 23 24
e 25 26 27 28 29 30
f 31 32 33 34 35 36
g 37 38 39 40 41 42
h 43 44 45 46 47 48
(8, 6)
Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'], dtype='object')
Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')
可以看出index为列索引标签，columns为行索引标签，此时该矩阵为8*6的一个矩阵。
loc:标签索引
也就是采用行列标签来进行索引 为了便于理解，我们将loc和iloc举的例子一一对应，如果有不懂的小伙伴欢迎评论区互动。
当我们想获取第一行到第二行，第一列到第三列的数值时：
x = data.loc['a':'b','A':'C']
print(x)
结果如下：
A B C
a 1 2 3
b 7 8 9
当我们需要获取前两行所有列的数据时：
x = data.loc['a':'b',:]
print(x)
结果如下：
A B C D E F
a 1 2 3 4 5 6
b 7 8 9 10 11 12
当我们需要获取第二列到第三列所有行的数据时：
x = data.loc[:,'B':'C']
print(x)
结果如下：
B C
a 2 3
b 8 9
c 14 15
d 20 21
e 26 27
f 32 33
g 38 39
h 44 45
如果想要索引间隔的行和列： 例如获取第二行和第四行且位于第一列和第四列的数值
x=data.loc[['b','d'],['A','D']]
print(x)
结果如下:
A D
b 7 10
d 19 22
5.按照条件进行索引，例如获取A列中数值大于19，同时位于第三列和第五列的数值：
x=data.loc[data['A'] > 19, ['C', 'E']]
print(x)
结果如下：
C E
e 27 29
f 33 35
g 39 41
h 45 47
iloc:位置索引
当我们想获取第一行到第二行，第一列到第三列的数值时：
x = data.iloc[0:2,0:3]
print(x)
结果如下：
A B C
a 1 2 3
b 7 8 9
当我们需要获取前两行所有列的数据时：
x = data.iloc[0:2,:]
print(x)
结果如下：
A B C D E F
a 1 2 3 4 5 6
b 7 8 9 10 11 12
当我们需要获取第二列到第三列所有行的数据时：
x = data.iloc[:,1:3]
print(x)
结果如下：
B C
a 2 3
b 8 9
c 14 15
d 20 21
e 26 27
f 32 33
g 38 39
h 44 45
如果想要索引间隔的行和列： 例如获取第二行和第四行且位于第一列和第四列的数值
x=data.iloc[[1,3],[0,3]]
print(x)
结果如下：
A D
b 7 10
d 19 22
5.按照条件进行索引，例如获取A列中数值大于19，同时位于第三列和第五列的数值：
x=data.iloc[(data['A'] > 19).values, [2, 4]]
print(x)
结果如下：
C E
e 27 29
f 33 35
g 39 41
h 45 47
总结： 所以我们可以总结得到loc和iloc的用法，data.loc[想要索引的行标签,想要索引的列标签]，data.iloc[想要索引的行,想要索引的列]