pandas中loc iloc ix的区别

在pandas0.20.0及以上版本，ix已经丢弃，请尽量使用loc和iloc;
观察下面的代码：

>>> s = pd.Series(np.nan, index=[23,34,61,14,0, 1, 2, 3])
>>> s
23   NaN
34   NaN
61   NaN
14   NaN
0    NaN
1    NaN
2    NaN
3    NaN
dtype: float64

分别输入s.iloc[:2]，和s.loc[:2]会有什么区别？试试就知道了

>>> s.iloc[:2]
23   NaN
34   NaN
dtype: float64
>>> s.loc[:2]
23   NaN
34   NaN
61   NaN
14   NaN
0    NaN
1    NaN
2    NaN
dtype: float64
>>>

由上面的代码可知，iloc是针对位置的(position-based)，而loc是针对标签的(label-based)。即：iloc[:2]返回的是前两行的内容；若假设标签2所在的行为m，则loc[:2]返回的是前m（包括标签2所在的行）行的内容。
那ix呢？观察代码：

>>> s.ix[:2]
23   NaN
34   NaN
61   NaN
14   NaN
0    NaN
1    NaN
2    NaN
dtype: float64
>>>

这里ix的表现和loc一样，仅此而已嘛？再看下一段代码：

>>> s2
a   NaN
b   NaN
c   NaN
1   NaN
2   NaN
3   NaN
dtype: float64
>>> s2.ix[:2]
a   NaN
b   NaN
dtype: float64
>>>

这里ix的表现又和iloc一样了，很奇怪是不是？但仔细观察这两段代码的差别，我们发现，当索引是整型时ix表现的和loc一样，而当索引是混合型时ix表现的和iloc一样。不过这个结论并不是绝对的，下面我们将会说到。现在我们先总结一下，ix容易让人混淆，还是尽量使用另外两个的好。但是，有时当我们想同时基于标签和位置来选取一个df的行和列怎么办？这就引出了ix的例外，对于ix来说，如果是对列进行切片，则不管是整型还是混合型，默认的行为都是和loc一样的。请看例子：

>>> df
    a   b   c   0   1
a NaN NaN NaN NaN NaN
b NaN NaN NaN NaN NaN
c NaN NaN NaN NaN NaN
d NaN NaN NaN NaN NaN
e NaN NaN NaN NaN NaN
>>> df.ix[:'c',:4]
    a   b   c   0
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN

尽管很优雅，但是ix已经被丢弃了，那么我们用iloc和loc该如何进行这样的切片呢？下面将展示如何利用iloc实现上述操作。

>>> df.iloc[:df.index.get_loc('c')+1,:4]
    a   b   c   0
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN

这里，我们用到了get_loc(label)这个函数，它的功能是“获取目的标签在索引中的位置”。这里，你可能会问，问什么不用df.iloc[:’c’,:4]呢？还有这种操作？不存在的！！切记：当索引都是整型时，利用iloc和loc都是合法的，但含义不同，iloc[:m]表示选取前m行，loc表示选取到标签m的所有行（包含m那一行）；当索引时混合型时，只能用iloc。