.iloc和.loc

`.iloc` 和 `.loc` 都是 Pandas DataFrame 中用于数据索引和切片的方法，它们的使用方法有所不同。

`.iloc` 是通过位置索引来选取数据的，`.iloc` 中使用的是整数位置，可以使用整数、整数列表、整数切片、布尔列表等作为参数。例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df.iloc[0])  # 获取第一行数据
print(df.iloc[:, 1])  # 获取第二列数据
print(df.iloc[0:2, :])  # 获取第一行至第二行所有列的数据

`.loc` 是通过标签索引来选取数据的，`.loc` 中使用的是标签名称，可以使用标签名称、标签名称列表、标签名称切片、布尔列表等作为参数。例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])
print(df.loc['a'])  # 获取标签为 'a' 的行数据
print(df.loc[:, 'B'])  # 获取标签为 'B' 的列数据
print(df.loc['a':'b', :])  # 获取标签为 'a' 至 'b' 所有列的数据

需要注意的是，`.iloc` 和 `.loc` 的参数位置不同，`.iloc` 先行后列，`.loc` 先列后行。此外，`.iloc` 和 `.loc` 在对 DataFrame 进行切片时，对切片的处理方式不同，`.iloc` 是按照 Python 的切片规则，包括起始位置和终止位置，而`.loc` 是按照标签位置进行切片，包括起始位置和终止位置对应的标签数据。