前言：       

         在 pandas 中，loc 和 iloc 是用于 按标签（label）或位置（integer position）选择数据 的两个核心方法。它们的区别和用法如下：

1. loc —— 按标签选择

• 基于行/列的显式标签（index 或 column name）。

• 包含结束位置（闭区间）。

• 语法：df.loc[行选择, 列选择]

常用操作：

import pandas as pd

data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 60, 35],
    "City": ["New York", "Paris", "London"]
}
df = pd.DataFrame(data, index=["a", "b", "c"])

# 选择行标签为 'a' 的行
df.loc["a"]  

# 选择行标签 'a' 到 'c'，列 "Age" 到 "City"
df.loc["a":"c", "Age":"City"]  

# 条件筛选：年龄>30的行，仅显示Name列
df.loc[df["Age"] > 35, "Name"]  

2. iloc —— 按位置选择

• 基于行/列的整数位置（从0开始）。

• 不包含结束位置（左闭右开区间，和 Python 切片一致）。

• 语法：df.iloc[行位置, 列位置]

常用操作：

3. 关键区别

4. 常见错误

loc 用数字索引时：如果 DataFrame 的索引是默认整数（0,1,2...），loc 仍会按标签处理：

df.loc[0]    # 如果索引包含0，则返回该行；否则报错
df.iloc[0]   # 永远返回第1行

混淆区间闭合规则： 

df.loc["a":"c"]   # 包含 'a' 和 'c'
df.iloc[0:2]      # 包含位置0和1，不包含2