在Pandas中使用iloc, loc和ix来选择行和列

1. 主要用法

在Pandas里面，主要由3种方法来选择数据。

1. 通过行来选择(.iloc)
2. 通过label和条件表达来选择数据(.loc）

2. 使用iloc来选择数据

iloc意味着integer-location based indexing / selecting by position.

iloc 索引语法如下

data.iloc[<row selection>,<column selection>]

在Pandas里面，iloc定义为：利用数字来选择行和列。

在iloc里面，一共有两种语法：

1. row selector
2. column selector

# single selections using iloc and DataFrame
# Rows:
data.iloc[0] # first row of data frame
data.iloc[1] # second row of data frame
data.iloc[-1] # last row of data frame

# Columns:
data.iloc[:,0] # first column of data frame
data.iloc[:,1] # second column of data frame

如果我们需要选择多列和多行，我们可以使用.iloc indexer。

# Multiple row and column selections using iloc and DataFrame
data.iloc[0:5] # first 5 rows of data frame
data.iloc[:,0:2] # first 2 columns of data frame with all rows
data.iloc[[0,3,6,24],[0,5,6]] # 1st, 4th, 7th, 25th row; 
# 1st 6th 7th columns
data.iloc[0:5,5:8] # first 5 rows
# 5th, 6th, 7th columns of data frame

在使用iloc时候，有2点需要注意一下：

1. 当只选择一行的时候，.iloc返回的是一个Pandas Series；如果选择了多行，返回的是一个Pandas DataFrame。因为，如果我们只选择一行，但是我们又希望输出是一个DataFrame，我们可以用[]将其括起来

具体可以参考下面的图片：

在我们使用.loc或者.iloc的时候，我们可以通过输入是一个list或者一个单个的值，来控制输出的数据类型。

2. 当我们当使用这种选择方式的时候，比如[1:5]，我们选择的行和列会从第1个选择到倒数第二个，比如[1:5]会是1,2,3,4。如果是[x,y] ,就会是从x到 y -1。

3. 使用loc来选择数据

Pandas 的loc可以在两种场景下使用：

1. 通过 label / index 选择行
2. 使用 boolean / conditional lookup 查找行

3.1 基于label / index， 使用.loc

3.2 基于 Boolean / Logical，使用.loc

参考：

1. https://www.shanelynn.ie/select-pandas-dataframe-rows-and-columns-using-iloc-loc-and-ix/