Python-iloc，ix和loc有何不同？
有人可以解释这三种切片方法有何不同吗？
我看过文档，也看过这些 答案，但是我仍然发现自己无法解释这三者之间的区别。在我看来，它们在很大程度上似乎是可互换的，因为它们处于切片的较低级别。
例如，假设我们要获取的前五行DataFrame。这三者如何运作？
df.loc[:5]
df.ix[:5]
df.iloc[:5]
有人可以提出三种用法之间的区别更清楚的情况吗？
-
注意：在熊猫版本0.20.0及更高版本中，
ix已弃用，建议改为使用loc和iloc。我留下了ix完整的答案部分，以供早期版本的熊猫用户参考。下面添加了示例，显示的替代方案 ix。首先，以下是这三种方法的概述：
loc从索引获取带有特定标签的行（或列）。iloc获取索引中特定位置的行（或列）（因此仅获取整数）。ix通常试图表现得像，loc但iloc如果索引中不存在标签，则会回落为行为。- 重要的是要注意一些细微之处，这些细微之处可能会使ix使用起来有些棘手：
- 如果索引是整数类型，
ix则将仅使用基于标签的索引，而不会使用基于位置的索引。如果标签不在索引中，则会引发错误。 - 如果指数不包含唯一整数，然后给出一个整数，
ix将立即使用基于位置的索引，而不是基于标签的索引。但是，如果ix给定另一种类型（例如字符串），则可以使用基于标签的索引。
为了说明这三种方法之间的差异，请考虑以下系列：
>>> s = pd.Series(np.nan, index=[49,48,47,46,45, 1, 2, 3, 4, 5]) >>> s 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN 2 NaN 3 NaN 4 NaN 5 NaN我们将看看用整数值切片3。
在这种情况下，向s.iloc[:3]我们返回前3行（因为它将3视为位置），并向s.loc[:3]我们返回前8行（由于将3视为标签）：
>>> s.iloc[:3] # slice the first three rows 49 NaN 48 NaN 47 NaN >>> s.loc[:3] # slice up to and including label 3 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN 2 NaN 3 NaN >>> s.ix[:3] # the integer is in the index so s.ix[:3] works like loc 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN 2 NaN 3 NaN注意
s.ix[:3]，s.loc[:3]由于它首先查找标签，而不是在位置上工作（因此，其索引为s整数类型），因此Notification返回相同的Series 。如果我们尝试使用不在索引中的整数标签（例如6）怎么办？
此处
s.iloc[:6]按预期返回Series的前6行。但是，s.loc[:6]由于6不在索引中，所以引发KeyError 。>>> s.iloc[:6] 49 NaN 48 NaN 47 NaN 46 NaN 45 NaN 1 NaN >>> s.loc[:6] KeyError: 6 >>> s.ix[:6] KeyError: 6按照上面提到的微妙之处，
s.ix[:6]现在引发了KeyError，因为它试图像在索引中一样loc找到但不能找到一个6。因为我们的索引是整数类型，ix所以不会回落为iloc。但是，如果索引是混合类型的，则给定的整数ix将iloc立即表现出来，而不是引发KeyError：
>>> s2 = pd.Series(np.nan, index=['a','b','c','d','e', 1, 2, 3, 4, 5]) >>> s2.index.is_mixed() # index is mix of different types True >>> s2.ix[:6] # now behaves like iloc given integer a NaN b NaN c NaN d NaN e NaN 1 NaN请记住，ix它仍然可以接受非整数并表现为loc：
>>> s2.ix[:'c'] # behaves like loc given non-integer a NaN b NaN c NaN作为一般建议，如果仅使用标签建立索引，或仅使用整数位置建立索引，请坚持使用loc或iloc避免出现意外结果-请勿使用ix。
结合基于位置和基于标签的索引
有时在给定DataFrame的情况下，你将需要为行和列混合使用标签和位置索引方法。
例如，考虑以下DataFrame。如何最好地将行切成
“ c”并包括前四列？>>> df = pd.DataFrame(np.nan, index=list('abcde'), columns=['x','y','z', 8, 9]) >>> df x y z 8 9 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在早期版本的pandas（0.20.0之前）中ix，你可以很整洁地进行此操作-我们可以按标签对行进行切片，按位置对列进行切片（请注意，对于列，ix由于4不是列名，因此默认为基于位置的切片 ）：
>>> df.ix[:'c', :4] x y z 8 a NaN NaN NaN NaN b NaN NaN NaN NaN c NaN NaN NaN NaN在更高版本的熊猫中，我们可以使用iloc并借助另一种方法来获得此结果：
>>> df.iloc[:df.index.get_loc('c') + 1, :4] x y z 8 a NaN NaN NaN NaN b NaN NaN NaN NaN c NaN NaN NaN NaNget_loc()是一种索引方法，意思是“获取标签在此索引中的位置”。请注意，由于切片与iloc不包含其端点，因此如果我们还希望行'c'，则必须在此值上加1。此处的熊猫文档中还有其他示例。
