pandas中loc和iloc的使用细节

1、缘由

前段时间在使用pandas库中的索引和切片的时候，突然就感觉有点懵，赋值和索引的操作总是报错。

网上的很多资料讲的也非常的浅显，而且使用起来非常不顺手。

于是我就找到很多的网上资料，然后自己动手操作总结了一下。

2、细节内容

1、loc 对应的是原生索引，对应的是序列号，索引的设置只能是数字
     　　   loc 对应的是设置的索引，可以设置字符串，如果设置的索引为数字，那么就可以根据数字索引来使用。

2、iloc[[i],:]可以，但是iloc[i]不可以
        　　因为第一个是切片得到的二维数组表，第二个得到的是一条信息。
        3、pf.loc[pf[(pf['标记']==pf['标记'].max())].index.tolist()[0],'备注']=1（其实这一行代码作用并不大，但是可以帮助掌握一些二维数组属性和方法）

　　 pf2['标记']==pf2['标记'].max() 返回的是一系列的布尔值，把他们做成一个元组
       　　 就可以用来筛选出符合条件的数据。
        　　如：pf[pf['标记']==pf['标记'].max()]

4、.iloc用于位置索引，里面的数据是数字。
       　　 可以根据位置查找某一个值；
       　　 可以使用iloc[ : , : ]来完成切片操作；
       　　 可以使用iloc[[ ],[ ]]来选取自己需要的某行和列的数据

5、loc用于标签索引，里面是所在的索引
        　　单单可以输入列名,选取的是某列的内容
       　　 输入数字，那么就是根据标签的行索进行的筛选
       　　 输入列名，那么就是根据标签的列索进列的筛选
       　　 可以切片loc[ ],是根据索引名称进行的
　　　　可以花式索引（列表筛选），选取自己需要的某行和某列的数据。
　　　　如pf.loc[['1','3'],['A','b']]

　　6、两者联系
　　　　loc[ ]和pf[ ]里面一样可以根据条件筛选
　　　　但是ilo不可以
　　　　需要更改二维数组中的数据时只能使用loc[ ]，不能使用iloc[]

　　7、df.loc[ ]  用起来更顺手一些