举例说明loc和iloc

在 Pandas 数据分析库中，`loc` 和 `iloc` 是两个用于数据索引和选取的方法。

`loc` 使用标签或布尔数组选择数据，语法为 `df.loc[row_indexer, col_indexer]`，其中 `row_indexer` 和 `col_indexer` 分别表示行和列的索引器。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'])

# 使用标签选择数据
print(df.loc['a', 'B'])  # 输出 4

# 使用布尔数组选择数据
print(df.loc[df['A'] > 1, ['B', 'C']])  # 输出 b 和 c 行的 B 和 C 列数据

`iloc` 使用整数位置选择数据，语法为 `df.iloc[row_indexer, col_indexer]`，其中 `row_indexer` 和 `col_indexer` 分别表示行和列的位置。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'])

# 使用整数位置选择数据
print(df.iloc[1, 2])  # 输出 8

# 使用区间选择数据
print(df.iloc[0:2, 1:3])  # 输出 a 和 b 行的 B 和 C 列数据

需要注意的是，`loc` 和 `iloc` 的行和列索引方式是不同的。`loc` 用的是行和列的标签，可以包括起始值和终止值；`iloc` 用的是行和列的整数位置，只包括起始值和终止值的左端点。此外，`loc` 可以用布尔数组选择行和列，而 `iloc` 只能用整数位置选择行和列。