ix和loc、iloc函数都是用来获取某一行或者某一列数据的。
请看如下案例：
import pandas as pd
data = [[1,2,3],[4,5,6],[7,8,9]]
rows = ['row1','row2','row3']#行标签
columns = ['col1','col2','col3']#列标签
df = pd.DataFrame(data, index=rows, columns=columns)
print df运行结果：
col1 col2 col3
row1 1 2 3
row2 4 5 6
row3 7 8 9 |
1.loc函数
官网解释
Purely label-location based indexer for selection by label. .loc[] is primarily label based, but may also be used with a boolean array. 完全基于标签位置的索引器，所谓标签位置就是上面定义的'row1','row2'。 |
因此使用loc函数的时候，如果传入的不是标签而是下标将会导致如下错误：
TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [1] of <type 'int'> |
使用方法（row1就是行标签）
| print df.loc['row1'] |
运行结果：
col1 1
col2 2
col3 3
Name: row1, dtype: int64 |
2.iloc函数
官网解释
Purely integer-location based indexing for selection by position. .iloc[] is primarily integer position based (from 0 to length-1 of the axis), but may also be used with a boolean array. 完全基于行号的索引器，所谓行号就是第0、1、2行。 |
因此使用iloc函数的时候，如果传入的不是行号而是标签将会导致如下错误：
TypeError: cannot do positional indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [row1] of <type 'str'> |
使用方法（0就是行号）
| print df.iloc[0] |
运行结果：
col1 1
col2 2
col3 3
Name: row1, dtype: int64 |
3.ix函数
官网解释
A primarily label-location based indexer, with integer position fallback. .ix[] supports mixed integer and label based access. It is primarily label based, but will fall back to integer positional access unless the corresponding axis is of integer type. 支持标签和行号混合的索引器，既可以通过标签也可以通过行号，还可以组合在一起（这个函数已经过期，建议使用上面两个函数替代） |
由于loc和iloc已经可以完成ix函数的工作，因此在后面ix函数有可能被移除，当前第一次运行ix函数的时候会有如下警告：
DeprecationWarning: .ix is deprecated. Please use .loc for label based indexing or .iloc for positional indexing |
使用方法（loc和iloc的结合）
print df.ix[0] print df.ix['row1'] print df.ix['row1'，‘col1’] print df.ix['row1',0] |
运行结果：
col1 1
col2 2
col3 3
Name: row1, dtype: int64
col1 1
col2 2
col3 3
Name: row1, dtype: int64
1
1 |