pandas.DataFrame()中的iloc和loc用法

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
np.random.seed(666)
df = pd.DataFrame(np.random.rand(25).reshape([5, 5]), index=['A', 'B', 'D', 'E', 'F'], columns=['c1', 'c2', 'c3', 'c4', 'c5'])
print(df.shape) # (5, 5)
# 返回前五行
df.head()
# 返回后五行
df.tail()
# 访问 某几个 列
print(df[['c1', 'c4']])
''' c1 c4 A 0.700437 0.727858 B 0.012703 0.099929 D 0.200248 0.700845 E 0.774479 0.110954 F 0.023236 0.197503 '''
# 赋值于一个新的 dataframe
sub_df = df[['c1', 'c3', 'c5']]
''' c1 c3 c5 A 0.700437 0.676514 0.951458 B 0.012703 0.048813 0.508066 D 0.200248 0.192892 0.293228 E 0.774479 0.112858 0.247668 F 0.023236 0.340035 0.909180 '''
# 查看前五行
print(sub_df.head(5))
''' c1 c3 c5 A 0.700437 0.676514 0.951458 B 0.012703 0.048813 0.508066 D 0.200248 0.192892 0.293228 E 0.774479 0.112858 0.247668 F 0.023236 0.340035 0.909180 '''
# 查看中间 几行 的数据 使用 方法 iloc
print(sub_df.iloc[1:3, :])  # iloc : index location 用索引定位
''' c1 c3 c5 B 0.012703 0.048813 0.508066 D 0.200248 0.192892 0.293228 '''
# 过滤 列
print(sub_df.iloc[1:2, 0:2]) # 和python的用法一样，但是 该方法 是 基于 index 信息的
''' c1 c3 B 0.012703 0.048813 '''
# loc 方法， 通过label 名称来过滤
print(sub_df.loc['A':'B', 'c1':'c3']) # 基于 label 选择
''' c1 c3 A 0.700437 0.676514 B 0.012703 0.048813 '''