pandas 中 Dataframe 索引.ix,.iloc,.loc 的使用以及区别

pandas 中索引的使用

定义一个 pandas 的 DataFrame 对象

 
import pandas as pd
data = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]},index=["a","b","c"])
data
 
    A   B   C
a   1   4   7
b   2   5   8
c   3   6   9

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

.loc 的使用

.loc[], 中括号里面是先行后列，以逗号分割，行和列分别是行标签和列标签，比如我要得到数字 5，那么就就是：

data.loc["b","B"]

• 1

因为行标签为 b，列标签为 B，同理，那么 4 就是 data[“a”,”B”]
上面只是选择某一个值，那么如果我要选择一个区域呢，比如我要选择 5，8，6，9，那么可以这样做：

data.loc['b':'c','B':'C']

• 1

因为选择的区域，左上角的值是 5，右下角的值是 9，那么这个矩形区域的值就是这两个坐标之间，也就是对应 5 的行标签到 9 的行标签，5 的列标签到 9 的列标签，行列标签之间用逗号隔开，行标签与行标签之间，列标签与列标签之间用冒号隔开，记住，.loc 是用行列标签来进行选择数据的。那么，我们会想，那我们只知道要第几行，第几列的数据呢，这该怎么办，刚好，.iloc 就是干这个事的

.iloc

.iloc[] 与 loc 一样，中括号里面也是先行后列，行列标签用逗号分割，与 loc 不同的之处是，.iloc 是根据行数与列数来索引的，比如上面提到的得到数字 5，那么用 iloc 来表示就是 data.iloc[1,1], 因为 5 是第 2 行第 2 列，注意索引从 0 开始的，同理 4 就是 data.iloc[0,1]，同样如果我们需要选择一个区域，比如我要选择 5，8，6，9，那么用,iloc 来选择就是

data.iloc[1:3,1:3]

• 1

因为 5 在第二行第二列，9 在第三行第三列，注意此处区间前闭后开，所以是 1：3，与 loc 不同的是 loc 前闭后闭，以及 loc 是根据行列标签，而.iloc 是根据行数与列数

.ix

.ix 我发现，上面两种用法他都可以，它既可以根据行列标签又可以根据行列数，比如拿到 5

data.ix[1,1]
data.ix["b","B"]

• 1
• 2

上面两种做法都可以的，同理选择一个区域

data.ix[1:3,1:3]
data.ix['b':'c','B':'C']

• 1
• 2
• 3

以上两种方法都是取到 5，6，7，8