python:loc与iloc介绍

        在Python的Pandas库中，loc和iloc都是用于索引DataFrame数据的重要工具。它们之间的主要区别在于索引方式：loc是基于标签的索引，而iloc是基于整数位置的索引。

loc：

介绍：

• loc是基于行标签（index）和列标签（columns）进行选择的。

• 语法：dataframe.loc[行标签, 列标签]/loc[index切片或列表，columns切片或列表]

• 可以同时选择多行和多列

示例如下：

import pandas as pd  
  
# 创建一个DataFrame  
data = {'Name': ['Tom', 'Nick', 'John', 'Tom'],  
        'Age': [20, 21, 19, 18],  
        'Height': [180, 175, 179, 169]}  
df = pd.DataFrame(data)  
  
# 使用loc选择行和列  
print(df.loc[1:3, ['Name', 'Age']])  # 选择第2行到第4行（基于0的索引），以及'Name'和'Age'列

使用方法：

• 访问某一行：.loc[index的值]
• 访问连续的某几行：.loc[起始index的值:结束index的值](切片表示法，包含结束值）
• 访问不连续的某几行：.loc[[第一个index,第二个index,第三个index......]](列表表示法)
• 访问单个元素：.loc[index的值,columns的值]
• 访问多个元素：.loc[index切片或列表,columns切片或列表]

输出为：

   Name  Age
1  Nick   21
2  John   19
3   Tom   18

iloc：

介绍：

• iloc是基于行号和列号进行选择的，与NumPy数组的索引方式非常相似。

• 语法：dataframe.iloc[行号, 列号]/iloc[index切片或列表，columns切片或列表]

• 行号和列号都是从0开始的整数。

示例如下：

import pandas as pd  
  
# 创建一个DataFrame（同上例）  
data = {'Name': ['Tom', 'Nick', 'John', 'Tom'],  
        'Age': [20, 21, 19, 18],  
        'Height': [180, 175, 179, 169]}  
df = pd.DataFrame(data)  
  
# 使用iloc选择行和列  
print(df.iloc[1:3, [0, 1]])  # 选择第2行到第3行（不包括第4行），以及第1列和第2列（基于0的索引）

输出为：

   Name  Age
1  Nick   21
2  John   19

使用方法：

• 访问某一行：.iloc[index的位置]
• 访问连续的某几行：.iloc[起始index的位置:结束index的位置](切片表示法，不包含结束值）
• 访问不连续的某几行：.iloc[[第一个index,第二个index,第三个index......]](列表表示法)
• 访问单个元素：.iloc[index的位置,columns的位置]
• 访问多个元素：.iloc[index切片或列表,columns切片或列表]

注意事项：

• 当使用loc进行切片时，结束索引是包含的，要特别注意，如上述第一个例子。
• 当使用iloc进行切片时，结束索引是不包含的，这与Python的列表切片行为是一致的。
• 在选择数据时，要确保所使用的索引方式（标签或位置）与DataFrame的实际结构相匹配，否则可能会引发错误。
• 如果只传入一个索引（无论是行还是列），则必须确保该索引在DataFrame的对应维度中存在，否则会引发KeyError或IndexError。
• 中括号里的中括号代表列表。