loc和iloc的区别，这两个有点容易混淆,因此需要特殊方式来加强记忆
总结：
1. loc使用范围比iloc更广更实用，loc可以使用切片、名称(index,columns)、也可以切片和名称混合使用；但是loc不能使用不存在的索引来充当切片取值,像-1
2. iloc只能用整数来取数
推荐使用loc
iloc: i可以看着int,因此iloc就是用数字(int)来取数据的.
iloc使用情况： 使用整数通过切片等方式取数
比如：
# 切片
# 下面两种方法有同样的效果; 表示取出df中1：5行(不包括5)和3：6列
1 df.iloc[1:5,3:6] 2 df.iloc[[1,2,3,4],[3,4,5]]
# 另外 df.iloc[0]、df.iloc[1]、df.iloc[-1] 分别表示第一行、第二行、最后一行
# 同理df.iloc[:,0]、df.iloc[:,1]、df.iloc[:,-1] 分别表示第一列、第二列、最后一列
loc的使用范围要远高于iloc, loc也能够做到iloc的切片取数, 除了df.loc[-1]
loc使用情况：
使用切片、索引、列名称查找
按条件(bool)查找
比如：
1 # 切片 2 hy_data.loc[2:4,] 3 hy_data.loc[[0,1,2,3],:] 4 # 切片和名称混合 5 hy_data.loc[2:4,'用户编号'] 6 # 按条件取数 7 # 表示取出df中“行业分类”列值的长度等于6的所有行 8 hy_data.loc[hy_data['行业分类'].str.len() == 6, :]