.loc 与.iloc

Python中根据位置取值可以用.loc，.iloc， .ix，还可以通过每一行的索引和列的索引，把需要的行和列单独取出来

.iloc：根据标签的所在位置，从0开始计数，选取列，如果索引是数字，就使用.iloc

loc：根据DataFrame的具体标签选取列，.loc主要是针对字符串的，当索引是字符串时可以使用

一、当每列已有column name时，用 df [ 'a' ] 就能选取出一整列数据。如果你知道column names 和index，且两者都很好输入，可以选择 .loc

import numpy as np
import pandas as pd
df=pd.DataFrame(np.arange(0,200,2).reshape(10,10),columns=list('abcdefghij'))
print(df)
print (df.loc[[1,5],['a','b']])

输出了完整的df,以及第1行和第5行且column name为a和b的数据，由于没有命名index，所以数字0-9是DataFrame自动赋予的

二、如果column name太长，输入不方便，或者index是一列时间序列，更不好输入。那就可以选择 .iloc了。

import numpy as np
import pandas as pd
df=pd.DataFrame(np.arange(0,200,2).reshape(10,10),columns=list('abcdefghij'))
print (df.iloc[2,1])
print (df.iloc[:5,5])

输出了第2行第1列的数据42，以及index为0-4第6列 f的数据。.iloc 使得我们可以对column使用slice（切片）的方法对数据进行选取。

三、.ix 的功能十分强大，它允许我们混合使用下标和名称进行选取。

df.ix [ [ ..1.. ], [..2..] ],  1框内必须统一，必须同时是下标或者名称，2框也一样。 

import numpy as np
import pandas as pd
df=pd.DataFrame(np.arange(0,200,2).reshape(10,10),columns=list('abcdefghij'))
print (df.ix[[2,3],[1,2]])

但是一般情况下不建议采用。