行索引、列索引、loc和iloc

import pandas as pd
import numpy as np
# 准备数据
df = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("WXYZ"))

在这里插入图片描述

行索引(index)：对应最左边那一竖列
列索引(columns)：对应最上面那一横行
.loc[]官方释义： Access a group of rows and columns by label(s) or a boolean array.（通过标签或布尔数组访问一组行和列）官方链接
- loc使用索引来取值，基础用法 df.loc[[行索引],[列索引]]
.iloc[]官方释义： Purely integer-location based indexing for selection by position.（按位置进行索引选择）官方链接
- iloc使用位置（从0开始）来取值，基础用法 df.iloc[[行位置],[列位置]]

一、根据列索引取某一列/多列（常用）

df['W']   # 取‘W’列，返回类型是Series
df[['W']] # 取‘W’列，返回类型是DataFrame
df[['W','Y']] # 取‘W’列和‘Y’列
df.loc[:,'W':'Y'] # 取‘W’列到‘Y’列

二、根据行索引取某一行/多行

df.loc['a']   # 取‘a’行，返回类型是Series

df.loc[['a']]   # 取‘a’行，返回类型是DataFrame
df.loc[['a','c']]   # 取‘a’行和‘c’行，也可以写成 df.loc[['a','c'],:]
df.loc['a':'c',:]   # 取‘a’行到‘c’行

三、根据列位置取某一列/多列

df.iloc[:,1]    # 取第2列（‘X’列），列号为1，返回类型是Series
df.iloc[:,0:2]  # 取前2列（‘W’列和‘X’列），列号为0和1
df.iloc[:,0:-1] # 取最后一列之前的所有列

四、根据行位置取某一行/多行（常用）

df[:2]  #取前2行，行号为0和1
df[1:2] #取第2行，行号为1
df.iloc[1] # 取第2行（‘b’行），行号为1，返回类型是Series，也可以写成df.iloc[1,:]

五、取某一行某一列（常用）

df.loc['b','W'] # 取‘b’行‘W’列的值
df.iloc[0]['W'] # 取第1行、‘W’列的值

六、取多行多列

df[:2][['W','Y']]      # 取前2行的‘W’列和’Y‘列
df[:2].loc[:2,'W':'Y']  # 取前2行的‘W’列到’Y‘列

df.iloc[0][['W','Y']]  # 取第1行的‘W’列和’Y‘列
df.iloc[0]['W':'Y']    # 取第1行的‘W’列到’Y‘列

df.loc[["a","c"],["W","Y"]] # 取‘a’行和‘c’行，‘W’列和‘Y’列
df.iloc[[0,2],[1,3]]        # 取1、3行，2、4列

总结： 一般通过行位置来取行，通过列索引来取列，且行索引大多数情况下和行位置是相同的。
最常用的是以下几个

# 取某一列
df['W']
# 取某一行
df.iloc[0] 
# 取多列
df.loc[:,'W':'Y'] # 取‘W’列到‘Y’列
df.iloc[:,0:-1]   # 取最后一列之前的所有列
# 取对应行列的值
df.iloc[0]['W']
df.loc['a','W']  # 在行索引和行位置相同的情况下的写法就是，df.loc[0,'W']