python中pandas包中的DataFrame有关操作iloc与.loc的区别

import numpy as np  
import pandas as pd  
df = pd.DataFrame(np.arange(0,60,2).reshape(10,3),columns=list('abc'))
print(df)

df得到的数据是

    a   b   c
0   0   2   4
1   6   8  10
2  12  14  16
3  18  20  22
4  24  26  28
5  30  32  34
6  36  38  40
7  42  44  46
8  48  50  52
9  54  56  58


可以根据每列的索引采用.loc来获取每一列的值，例如df['b']就是取的索引为b的这一列，df['b']的结果如下：

0     2
1     8
2    14
3    20
4    26
5    32
6    38
7    44
8    50
9    56
Name: b, dtype: int32
还可以通过每一行的索引和列的索引，把需要的行和列单独取出来.loc主要是针对字符串的，当索引是字符串那么就用.loc，如果索引是数字，
那么就是用.iloc。其实两者的功能差不多，下面举一些.
df.loc[0, 'a']#求得只是第一行第一列的数字

输出：0



df.loc[0:3, ['a', 'b']]#取出0,1,2,3行的a,b两列，
                       #如果只取一列那么就这样写df.loc[0:3, 'a']
                       #如果取多列，那么要把列用[]放在一起如df.loc[0:3, ['a', 'b']]

输出：
   a   b
0  0   2
1  6   8
2  12  14
3  18  20




#不想抽取连续的行和列，那么就需要用[]把要取的行和列都列出来
#如下
df.loc[[1, 5], ['b', 'c']]与df.loc[[1, 5]][['b', 'c']]一个意思，顺带提一下，有的书里面会出现这种格式，很难查到资料，所以在此记录一下
输出：


    b   c
1   8  10
5   32  34


      
      

       
       


      
      

      
      

       
       如果我们嫌column name太长了，输入不方便，有或者index是一列时间序列，更不好输入，那就可以选择 .iloc了。这边的 i 我觉得代表index，比较好记点。
       
       


      
      

      
      

       
       
       
       
df.iloc[1,1]




输出:8
df.iloc[0:3, [0,1]]


输出：
    a   b
0   0   2
1   6   8
2  12  14
3  18  20
.iloc让行列切片成为可能，很方便

df.iloc[[0, 3, 5], 0:2]  #补充一下使用切片的列表不包含最后一个数，所以列只取0,1列


输出:
   
  a   b
0   0   2
3  18  20
5  30  32


df.iloc[:, :]#取出所有的行和列
df.loc[:][:]#与上面一回事




输出：
     a   b   c
0   0   2   4
1   6   8  10
2  12  14  16
3  18  20  22
4  24  26  28
5  30  32  34
6  36  38  40
7  42  44  46
8  48  50  52
9  54  56  58




还有一种就是如下的格式，意思是取出df中第a列中元素等于6的那一行的b列和c列

df.loc[df['a'] == 6][['b', 'c']]







      
      
输出：

   b   c
1  8  10