pandas loc、iloc、ix区别对比以及他们切片的区别

一开始自学Python的numpy、pandas时候，索引和切片把我都给弄晕了，特别是numpy的切片索引、布尔索引和花式索引，简直就是大乱斗。但是最近由于版本的问题，从之前的Python2.7改用Python3.6 了，在3.6中提供了loc和iloc两种索引方法，把ix这个方法给划分开来了，所以很有必要做个总结和对比。

1.1 loc、iloc、ix用途区别

loc：通过选取行（列）标签索引数据
iloc：通过选取行（列）位置编号索引数据
ix：既可以通过行（列）标签索引数据，也可以通过行（列）位置编号索引数据

In [1]: import pandas as pd

In [2]: import numpy as np

In [3]: df=pd.DataFrame(np.arange(20).reshape(4,5),index=['ind0','ind1','ind2','ind3'],columns=['col0','col1','col2','col3','col4'])

In [4]: df
Out[4]: 
      col0  col1  col2  col3  col4
ind0     0     1     2     3     4
ind1     5     6     7     8     9
ind2    10    11    12    13    14
ind3    15    16    17    18    19

上面这里构造了一个4*5的DataFrame数据，同时构造了行标签和列标签，下面就是各标签

In [5]: df.index
Out[5]: Index(['ind0', 'ind1', 'ind2', 'ind3'], dtype='object')

In [6]: df.columns
Out[6]: Index(['col0', 'col1', 'col2', 'col3', 'col4'], dtype='object')

下面就是所谓的位置编号，其实就是位置索引，跟列表数据同理

In [7]: np.arange(len(df.index))
Out[7]: array([0, 1, 2, 3])

In [8]: np.arange(len(df.columns))
Out[8]: array([0, 1, 2, 3, 4])

1.1 loc

loc只能通过选取行标签索引数据

In [8]: df.loc['ind0']
Out[8]: 
col0    0
col1    1
col2    2
col3    3
col4    4
Name: ind0, dtype: int32

In [9]: df.loc[0]
Traceback (most recent call last):
  ##报错的详细信息，我就不占篇幅展示了
TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'>

如果用到了行（列）的位置索引就会报错

1.2 iloc

iloc只能通过选取行位置编号索引数据

In [10]: df.iloc[0]
Out[10]: 
col0    0
col1    1
col2    2
col3    3
col4    4
Name: ind0, dtype: int32

In [11]: df.iloc['ind0']
Traceback (most recent call last):
##报错的详细信息，我就不占篇幅展示了
TypeError: cannot do positional indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [ind0] of <class 'str'>

同样的，如果使用了行（列）标签就会报错

1.3 ix

ix 既可以通过行标签索引数据，也可以通过行位置编号索引数据，也是我的最爱

In [12]: df.ix[0]
__main__:1: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
Out[12]: 
col0    0
col1    1
col2    2
col3    3
col4    4
Name: ind0, dtype: int32

In [13]: df.ix['ind0']
Out[13]: 
col0    0
col1    1
col2    2
col3    3
col4    4
Name: ind0, dtype: int32

想用哪个就用哪个，但是用到ix的时候提示已被弃用，但还是我的最爱。

1.4 loc、iloc、ix对于列的索引

loc、iloc、ix对于列的索引跟对行的索引是一样的，loc只能通过选取列标签索引数据，iloc只能通过选取列位置编号索引数据，ix 既可以通过行标签索引数据，也可以通过行位置编号索引数据，还可以两者混用，爱无止境。

In [14]: df.loc['ind0','col0']
Out[14]: 0

In [15]: df.loc['ind0',0]
Traceback (most recent call last):
##报错的详细信息，我就不占篇幅展示了
TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'>

In [16]: 

In [16]: df.iloc[0,0]
Out[16]: 0

In [17]: df.iloc[0,'col0']
Traceback (most recent call last):
##报错的详细信息，我就不占篇幅展示了
ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types

In [18]: 

In [18]: df.ix[0,0]
Out[18]: 0

In [19]: df.ix[0,'col0']
Out[19]: 0

2. loc、iloc、ix使用切片的区别

loc、iloc、ix对于切片的索引数据就两种情况，按照标签切片索引和按照位置编号切片索引

In [20]: df.loc['ind0':'ind3']
Out[20]: 
      col0  col1  col2  col3  col4
ind0     0     1     2     3     4
ind1     5     6     7     8     9
ind2    10    11    12    13    14
ind3    15    16    17    18    19

In [21]: df.iloc[0:3]
Out[21]: 
      col0  col1  col2  col3  col4
ind0     0     1     2     3     4
ind1     5     6     7     8     9
ind2    10    11    12    13    14

区别不在于用哪种方法，而是通过标签索引将会将切片末端包含进去，通过位置编号索引不会讲切片末端包含进去。同样的都是第一行到第四行，通过loc就会把1,2,3,4行都提取出来，通过iloc就只能把1,2,3行提取出来。ix方法也是一样，知识方法不同而已。

In [23]: df.ix['ind0':'ind3']
Out[23]: 
      col0  col1  col2  col3  col4
ind0     0     1     2     3     4
ind1     5     6     7     8     9
ind2    10    11    12    13    14
ind3    15    16    17    18    19

In [24]: df.ix[0:3]
Out[24]: 
      col0  col1  col2  col3  col4
ind0     0     1     2     3     4
ind1     5     6     7     8     9
ind2    10    11    12    13    14

对于列的切片跟行的一样。

这里讨论了基本的索引和切片，如果有用词不当的地方请提出来，我将积极改正，或者有其他有关花式索引、布尔索引的问题也可以大家一起讨论讨论！