透彻理解 pandas 切片中 df.loc ,df.iloc

- 1. 基本定义
  - df.loc：基于标签的数据选择方法。
  - df.iloc：基于位置的数据选择方法。
  2. 什么是标签？什么是位置？
  
  在深入了解这两种方法之前，我们首先要理解“标签”和“位置”这两个概念。
  
  标签 (Label)
  
  标签是数据框或系列的索引。这些索引可以是数字，也可以是字符串或其他数据类型。例如：
  
  在上述例子中，'x', 'y', 'z' 就是数据框 df 的标签（或索引）。
  
  位置 (Position)
  
  位置是数据框或系列中的元素的整数位置。无论索引是什么，位置始终从0开始，并按顺序递增。例如，在上述数据框 df 中，'apple' 的位置是 0，'banana' 的位置是 1，'cherry' 的位置是 2。
  
  3. df.loc vs df.iloc
  
  让我们通过一些示例更详细地探讨这两种方法的使用。
  
  示例 1：使用数字索引
  
  在这个例子中，标签和位置是相同的。所以，df.loc[0:1, 'A'] 和 df.iloc[0:1, 0] 会产生相同的结果。
  
  示例 2：使用非连续数字索引
  
  在这种情况下，标签和位置是不同的。所以，df.loc[2:1, 'A'] 选择的是标签为2和1的行，而 df.iloc[0:1, 0] 选择的是位置为0的行。
  
  示例 3：使用字符串索引
  
  在这种情况下，只有 df.loc 可以使用字符串索引，而 df.iloc 只能使用整数位置。
  最后，举一个相同数字的命令，注意输出的不同，且注意 index_col="Date" 参数的影响。
- 注意，如把读入的数据改成设置index成日期，df.loc必须用 Date 访问，例子如下：
  
  上面可以看出，df = pd.read_csv('SH#600000.csv',index_col="Date") 加入了 index_col="Date" 选项，指定了 index是日期，不再是默认的数字，必须要用 Date字符串访问。
- 问：df[['Open', 'Close']] 只选择'Open'和'Close'两列。为什么要加两层[]，不加会怎么样？
- 答：为什么要使用双层[]？
  1. 当你传递一个单独的列名（一个标签）给DataFrame的索引操作符[]，Pandas会返回一个Series。当你传递一个列名的列表给索引操作符[]时，Pandas会返回一个DataFrame。
    - 使用单层[]返回Series：df['Open']
    - 使用双层[]返回DataFrame：df[['Open']] 或 df[['Open', 'Close']]
  2. 如果不使用双层[]会怎么样？
    - 如果你使用单一列名，如df['Open']，那么返回的是一个Series。
    - 如果你尝试使用多列名但不使用内部列表，如df['Open', 'Close']，这会导致一个错误，因为Pandas不知道你试图选择哪些列
  如下图所示:
- 用了a=df[["Date"]] 两个[ ]后，表示要返回一个DataFrame格式，DataFrame包含行列表与列列表。