详解pandas中iloc、loc和ix的区别和联系

在pandas中，iloc、loc和ix都是数据筛选或访问数据的常用方法，但它们有着不同的用法和功能。在本篇攻略中，我们将详细讲解这三个方法的区别和联系。

iloc

iloc是根据行索引和列索引来选取数据的方法，它可以接受整数和切片对象作为行或列的索引。

使用整数索引

选取单行或单列时，iloc需要把行或列的索引转换为整数索引，以便进行数据的获取。

示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9]})

print(df.iloc[0])  # 选取第一行数据
print(df.iloc[:, 1])  # 选取第二列数据

输出：

A    1
B    4
C    7
Name: 0, dtype: int64
0    4
1    5
2    6
Name: B, dtype: int64

此处iloc[0]选取了第一行数据，而iloc[:, 1]选取了第二列数据。

使用切片对象

当需要选取连续的多行或多列时，iloc可以使用切片对象。

示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9],
                   'D': [10, 11, 12]})

print(df.iloc[0:2, 1:3])  # 选取第一、二行和第二、三列数据

输出：

   B  C
0  4  7
1  5  8

此处iloc[0:2, 1:3]选取了第一、二行和第二、三列数据。

loc

loc是根据行标签和列标签来选取数据的方法，它可以接受标签和切片对象作为行或列的索引。

使用标签

选取单行或单列时，loc需要使用标签进行数据的获取。

示例：

import pandas as pd

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

print(df.loc['a'])  # 选取index为'a'的行数据
print(df.loc[:, 'B'])  # 选取列标签为'B'的列数据

输出：

A    1
B    4
C    7
Name: a, dtype: int64
a    4
b    5
c    6
Name: B, dtype: int64

此处loc['a']选取了index为'a'的行数据，而loc[:, 'B']选取了列标签为'B'的列数据。

使用切片对象

当需要选取连续的多行或多列时，loc可以使用切片对象。

示例：

import pandas as pd

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

print(df.loc['a':'b', 'B':'C'])  # 选取index为'a'至'b'的行和列标签为'B'至'C'的列数据

输出：

   B  C
a  4  7
b  5  8

此处loc['a':'b', 'B':'C']选取了index为'a'至'b'的行和列标签为'B'至'C'的列数据。

ix

ix是结合了iloc和loc的功能的方法，它使用标签和整数都可以进行选取。

使用整数索引和标签

示例：

import pandas as pd

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

print(df.ix[0])  # 选取第一行数据
print(df.ix['a'])  # 选取index为'a'的行数据
print(df.ix[:, 1])  # 选取第二列数据
print(df.ix['a':'b', 'B':'C'])  # 选取index为'a'至'b'的行和列标签为'B'至'C'的列数据

输出：

A     1
B     4
C     7
D    10
Name: a, dtype: int64
A    1
B    4
C    7
D    10
Name: a, dtype: int64
a    4
b    5
c    6
Name: B, dtype: int64
   B  C
a  4  7
b  5  8

此处列出了使用整数索引和标签的多种情况。

总结

• iloc使用整数索引来选取数据，可以使用整数或切片对象作为索引。
• loc使用标签来选取数据，可以使用标签或切片对象作为索引。
• ix既可以使用整数索引，也可以使用标签来选取数据，灵活性更高。

在选择使用这三个方法时，需要根据具体需求来选用合适的方法，以便获取更为高效和准确的数据。