pandas ix &iloc &loc的区别

一开始自学Python的numpy、pandas时候，索引和切片把我都给弄晕了，特别是numpy的切片索引、布尔索引和花式索引，简直就是大乱斗。但是最近由于版本的问题，从之前的Python2.7改用Python3.6 了，在3.6中提供了loc和iloc两种索引方法，把ix这个方法给划分开来了，所以很有必要做个总结和对比。

同理，索引列数据也是如此！

举例说明：

1、分别使用loc、iloc、ix 索引第一行的数据:

（1）loc

import pandas as pddata=[[1,2,3],[4,5,6]]index=['a','b']#行号columns=['c','d','e']#列号df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框#print df.loc['a']'''c  1d  2e  3'''print df.loc[0]#这个就会出现错误'''TypeError: cannot do label indexing on <class 'pandas.indexes.base.Index'> with these indexers [1] of <type 'int'>'''

(2)iloc

import pandas as pddata=[[1,2,3],[4,5,6]]index=['a','b']#行号columns=['c','d','e']#列号df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框print df.iloc[0]'''c  1d  2e  3'''print df.iloc['a']'''TypeError: cannot do positional indexing on <class 'pandas.indexes.base.Index'> with these indexers [a] of <type 'str'>'''

(3)ix

import pandas as pddata=[[1,2,3],[4,5,6]]index=['a','b']#行号columns=['c','d','e']#列号df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框print df.ix[0]'''c  1d  2e  3'''print df.ix['a']'''c  1d  2e  3'''

2、分别使用loc、iloc、ix 索引第一列的数据:

import pandas as pddata=[[1,2,3],[4,5,6]]index=['a','b']#行号columns=['c','d','e']#列号df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框print df.loc[:,['c']]print df.iloc[:,[0]]print df.ix[:,['c']]print df.ix[:,[0]]#结果都为'''  ca 1b 4'''

3、分别使用loc、iloc、ix 索引多行的数据:

import pandas as pddata=[[1,2,3],[4,5,6]]index=['a','b']#行号columns=['c','d','e']#列号df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框print df.loc['a':'b']print df.iloc[0:1]print df.ix['a':'b']print df.ix[0:1]#结果都为'''  c d ea 1 2 3b 4 5 6'''

4、分别使用loc、iloc、ix 索引多列的数据:

import pandas as pddata=[[1,2,3],[4,5,6]]index=['a','b']#行号columns=['c','d','e']#列号df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框print df.loc[:,'c':'d']print df.iloc[:,0:2]print df.ix[:,'c':'d']print df.ix[:,0:2]#结果都为'''  c da 1 2b 4 5'''

5、loc、iloc、ix使用切片的区别