1.loc方法

loc方法是通过行、列的名称或者标签来寻找我们需要的值。

（1）读取第二行的值

# 索引第二行的值，行标签是“1”
data1 = data.loc[1]
#下面两种语法效果相同
data.loc[1] == data.loc[1,:]
 （2）读取第二列的值
 
# 读取第二列全部值
data2 = data.loc[ : ,"B"]
 
（3）同时读取某行某列
 
# 读取第1行，第B列对应的值
data3 = data.loc[ 1, "B"]
 
（4）读取DataFrame的某个区域
 
# 读取第1行到第3行，第B列到第D列这个区域内的值
data4 = data.loc[ 1:3, "B":"D"]
 
（5）根据条件读取
 
# 读取第B列中大于6的值
data5 = data.loc[ data.B > 6] #等价于 data5 = data[data.B > 6]
 
（6）也可以进行切片操作
 
# 进行切片操作，选择B，C，D，E四列区域内，B列大于6的值
data1 = data.loc[ data.B >6, ["B","C","D","E"]]
 
2.iloc方法
 
 
iloc方法是通过索引行、列的索引位置[index, columns]来寻找值
 
（1）读取第二行的值
 
# 读取第二行的值，与loc方法一样
data1 = data.iloc[1]
# data1 = data.iloc[1, :]，效果与上面相同
 
 （2）读取第二列的值
 
# 读取第二列的值
data1 = data.iloc[:, 1]
（3）同时读取某行某列
 
# 读取第二行,第二列的值
data1 = data.iloc[1, 1]
 
（4）进行切片操作
 
# 按index和columns进行切片操作
# 读取第2、3行，第3、4列
data1 = data.iloc[1:3, 2:4]
 
 
这里的区间是左闭右开，data.iloc[1:3, 2:4]中的第4行、第5列取不到
 
				
文章目录1.普通方法筛选2.loc(纯标签筛选)3. iloc（纯数字筛选）4.ix（标签与数字的混合筛选）5.判断条件筛选
1.普通方法筛选
我们首先构造了一个 5X4 的矩阵数据。
import pandas as pd
import numpy as np
dates = pd.date_range('20200315', periods = 5)
df = pd.DataFrame(np.arange(20).reshape(5,4), index = dates, columns = ['A', 'B','C','D'])
print(df)
				
快速浏览pandas简单介绍和本系列说明一、csv、txt、xls或xlsx文件读取与写入1. 读取与写入csv格式2. 读取与写入txt格式3. 读取与写入xls或xlsx格式二、基本数据结构1. SeriesSeries创建访问Series属性Series调用方法2. DataFrameDataFrame创建DataFrame修改行/列名DataFrame调用属性和方法“索引对齐特性”DataFrame列的删除/增加DataFrame根据类型选择列DataFrame转置Series转换为DataFrame三、常用基本函数head和tailunique和nuniquecount和value_
				
问题：iloc函数是干什么的？
回答：在数据分析过程中，很多时候需要从数据表中提取出相应的数据，而这么做的前提是需要先“索引”出这一部分数据。iloc函数，属于pands库，全称为index location，即对数据进行位置（location）索引（index）。
问题：iloc函数怎么用？
回答：iloc[a,b]，其中a是行数，b是列数。具体a和b的输入有以下几种形式：
1.iloc[a,b]:取第a行第b列的数据。
注意，在iloc中认为数据中的行数和列数都是如图这样定义的
图1...
iloc在索引中的位置上起作用（因此仅采用整数）。
（1）loc的用法
data.loc[:,'列一'] #取出所有行第一列，loc可以理解为传入两个参数一个是关于行的，一个是关于列的。
data.loc[:,['列一','列四','列三']] #取出所有行多列，就把列名包裹成列表的形式。
data.loc[0:5,['列一','列四','列三']] #取出某几行某几列，把行索引和列名传入。
data.loc[data['列四']==138
				
在Python的Pandas库中，你可以使用`read_csv()`函数读取CSV文件，并通过指定列名和特定的数据范围来获取部分数据。以下是一个简单的示例：
```python
import pandas as pd
# 假设你有一个名为"data.csv"的文件，其中包含一列名为'column_name'的数据
df = pd.read_csv('data.csv')
# 如果你想从'column_name'列中获取第5行到第10行的数据，可以这样做：
selected_data = df['column_name'].iloc[4:10]
# `iloc`是基于位置的索引，这里4表示起始位置（包括第5行），10表示结束位置（不包括第11行）
# 如果数据是从0开始计数的，那么就是range(4, 10)
# 这样就得到了指定列中的一部分数据，存储在一个Series对象中
如果你需要更复杂的筛选条件，例如基于某些条件选择行，可以结合`loc`或布尔索引来实现：
```python
condition = df['another_column'] == 'some_value'
filtered_data = df.loc[(df['column_name'].between(start_value, end_value)) & condition]
在这里，`between(start_value, end_value)`用于指定'column_name'列的值范围。