loc中的数据是列名，是字符串，所以前后都要取；iloc中数据是int整型，所以是Python默认的前闭后开
当用行号索引的时候, 尽量用 iloc 来进行索引; 而用标签索引的时候用 loc , ix 尽量别用。
一、loc函数
构建数据集df
import pandas as pd
df = pd.DataFrame([
['green', 'M', 10.1, 'class1'],
['red', 'L', 13.5, 'class2'],
['blue', 'XL', 15.3, 'class1']])
print (df)
# 数据集为以下内容，所有操作均对df进行
0 1 2 3
0 green M 10.1 class1
1 red L 13.5 class2
2 blue XL 15.3 class1
loc函数主要通过行标签索引行数据，划重点，标签！标签！标签！ loc[1] 选择行标签是1的（从0、1、2、3这几个行标签中）
In[1]: df.loc[1]
Out[1]:
0 red
1 L
2 13.5
3 class2
loc[0:1] 和 loc[0,1]的区别，其实最重要的是loc[0:1]和iloc[0:1]
In[10]: df.loc[0:1] #取第一和第二行，loc[]中的数字其实是行索引，所以算是前闭加后闭
Out[10]:
0 1 2 3
0 green M 10.1 class1
1 red L 13.5 class2
In[12]: df.iloc[0:1]
Out[12]:
0 1 2 3
0 green M 10.1 class1
In[11]: df.loc[0,1]
Out[11]: 'M'
索引某一列数据，loc[:,0:1]，还是标签，注意，如果列标签是个字符，比如’a’，loc[‘a’]是不行的，必须为loc[:，’a’]。 但如果行标签是’a’,选取这一行，用loc[‘a’]是可以的。
n[13]: df.loc[:,0:1]
Out[13]:
0 1
0 green M
1 red L
2 blue XL
二、iloc函数
iloc 主要是通过行号获取行数据，划重点，序号！序号！序号！ iloc[0:1]，由于Python默认是前闭后开，所以，这个选择的只有第一行！
In[12]: df.iloc[0:1]
Out[12]:
0 1 2 3
0 green M 10.1 class1
三、ix函数
ix——结合前两种的混合索引，即可以是行序号，也可以是行标签。
另，一些筛选操作 如选择prize>10(prize为一个标签)的，即 df.loc[df.prize>10] 还有&并或等操作
Pandas是作为Python数据分析著名的工具包，提供了多种数据选取的方法，方便实用。本文主要介绍Pandas的几种数据选取的方法。
Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍。
在Dataframe中选取数据大抵包括3中情况：
1）行（列）选取（单维度选取）：df[]。这种情况一次只能选取行或者列，即一次选取中，只能为行或者列设置筛选条件（只能为一个维度设置筛选条件）。
2）区域选取（多维选取）：df.loc[]，df.iloc[]，df.ix[]。这种方式可以同时为多个维度设置筛选条件。
3）单元格选取（点选取）：df.at[]，df.iat[]。准确定位一个单元格。
接下来，我们以下面的数据为例，分别通过实例介绍这三种情况。
【Me】https://github.com/Valuebai/
【参考】 1、出处：地址
