iloc,loc,ix,df[]

总结一.

iloc可以把i当做第几个,所以是按行序号;其他的就清楚了.

import pandas
df = pandas.DataFrame({'a': [1, 2, 3, 4],'b': [5, 6, 7, 8], 'c': [9, 10, 11, 12]},index=["A", "B", "C", "D"]) # index:行名
print(df)

## loc:以行列标签取值,行列之间用","
print(df.loc['B', 'a'])
# 多行多列用":"隔开,行列之间用","
print(df.loc['B':'C', 'a':'b'])  # 注意:loc因为是用标签名来取数据的,所以左右都闭(逗比),即包含行"B和"C"


## iloc:以行列序号取值(序号从0开始)
print(df.iloc[1,0])
# 多行多列
print(df.iloc[1:3, 0:2])          # 注意:iloc是序号取数,左闭右开. 1:3实际上只包含1,2.

## ix是上面两种都可以使用
print(df.ix['B', 'a'])
print(df.ix['B':'C', 'a':'b'])
print(df.ix[1,0])
print(df.ix[1:3, 0:2])

参考文章:https://blog.csdn.net/qq1483661204/article/details/77587881

总结二.

第一个参数如.loc([1,2]),.iloc([2:3]),.ix[2]…则进行的是行选择
2）.loc,.at，选列是只能是列名，不能是position
3）.iloc,.iat，选列是只能是position，不能是列名
4）df[]只能进行行选择，或列选择，不能同时进行列选择，列选择只能是列名。行号和区间选择只能进行行选择。当index和columns标签值存在重复时，通过标签选择会优先返回行数据。df.只能进行列选择，不能进行行选择。

作者：3230
链接：https://www.jianshu.com/p/199a653e9668
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(12).reshape(4, 3),columns=list('abc'), index=list('defg') )
print(df, '
')

#######loc
# 操作多行,因为行是index,所以可以比较简单的操作
print(df.loc['d'], '
')    # 单行
print(df.loc['d': 'f'], '
')    #多行, d,e,f三行  
假如df中存在10-10到10-15这5行,现在运行df.loc["

2018-10-10

": ]

print(df.loc[['d', 'f']])   #多行,loc[]里的相当于列表,仅显示'd','f'两行

print(df.loc['a'], '
') #error:the label [a] is not in the [index]

print(df.loc['a': 'c'])

# 操作多列,列就比较麻烦了,需要把行写成:,再配置列.
print(df.loc[:, ['a', 'b']])
print(df.loc[:, :'b'])

#####ix
#错误的混合索引（想选取第一行和e行）
print(df.ix[[0,'e']])
# Out[202]:
#      a    b    c
# 0  NaN  NaN  NaN
# e  3.0  4.0  5.0

#选取区域(这样也可行)
df.ix['e':,:2]
# Out[203]:
#    a   b
# e  3   4
# f  6   7
# g  9  10

#at/iat：通过标签或行号获取某个数值的具体位置。

#获取第2行，第3列位置的数据
df.iat[1,2]
Out[205]: 5

#获取f行，a列位置的数据
df.at['f','a']
Out[206]: 6

####直接索引df[]
# 选择行:
df[0:3] #
#选择列
df['a']
df.a
#选择多列
df['a', 'c']

#行号和区间索引只能用于行（预想选取C列的数据，
#但这里选取除了df的所有数据，区间索引只能用于行，
#因defg均>c，所以所有行均被选取出来）
df['c':]
# Out[212]:
#    a   b   c
# d  0   1   2
# e  3   4   5
# f  6   7   8
# g  9  10  11
df['f':]
# Out[213]:
#    a   b   c
# f  6   7   8
# g  9  10  11