一、看头看尾：head 和 tail

head(3) 给前 3 行，tail(2) 给后 2 行，括号里不写数字默认 5。

tail(2) 给的是最后两行：周涛 83、吴霞 79。 读任何一份数据，第一件事都是 head 加 tail。头尾都对，中间大多也对。 只 head 不 tail 会漏掉一类问题：文件末尾常有合计行、空行、备注行。

二、按位置抽：iloc

iloc 的 i 就是 integer，全部按「第几行第几列」数，从 0 起。 d.iloc[0] 取第一行，返回的是 Series，标签是列名。 打成一行看：姓名=张伟，语文=88，数学=92。

d.iloc[2:5] 取第 3 到第 5 行，一共 3 行——第 5 行不含。

要行列一起给，中间逗号：d.iloc[0, 1] 是第 1 行第 2 列。只给一个数就是行。

三、按标签抽：loc

先 set_index('姓名') 把行标签换成姓名，loc 就能按名字取。

一次取多行要给列表：d.loc[ ['张伟', '李娜', '赵敏']]。 切片也认：d.loc['张伟':'李娜'] 取张伟、王芳、李娜三行，两头都含。 这一条和 iloc 正好相反，写在下面单独一段。

四、含不含尾：一条必须背下来的差别

原因不神秘：iloc 照 Python 切片的老规矩（含头不含尾），loc 是「按标签圈范围」。 筛选数据时用 loc 更符合直觉——说「张伟到李娜」就是把这两个人圈进来。 而按位置数的时候用 iloc，含头不含尾能少算一次加减，也是老规矩。

五、两个最容易踩的坑

第一个坑：行标签被改成姓名之后，d.loc[0] 直接报 KeyError，不是返回第一行。 因为标签里没有 0 这个值了。想要第一行只能用 d.iloc[0]。 第二个坑：d[0] 在 pandas 3 里也是按标签找，不再按位置。

报 KeyError 就是标签没对上，换 iloc；报 IndexError 就是位置超了，先看 shape。

六、动手 Demo：抽取行：head、tail、loc、iloc

造一张 10 行的成绩表，先把姓名设成行标签，再看四种取法各自返回什么。 重点看 iloc 切片和 loc 切片差的那一行。

import pandas as pd

DF = pd.DataFrame({
    "姓名": ["张伟", "王芳", "李娜", "刘洋", "陈静"],
    "语文": [88, 92, 75, 85, 90],
    "数学": [92, 95, 68, 88, 91],
})

print(DF.head(2).to_string(index=False))
print("iloc[2:4] 行数 %d" % len(DF.iloc[2:4]))

D = DF.set_index("姓名")
print("loc 切片   %s" % list(D.loc["张伟":"李娜"].index))
print("iloc 切片  %s" % list(D.iloc[0:3].index))

try:
    D.loc[0]
except KeyError:
    print("loc[0] 报 KeyError")

实跑输出：

--------------------------------------------------------------------
抽取行：head、tail、loc、iloc
--------------------------------------------------------------------

  ① 看头看尾
  --------------------------------------------------------------------

| 行 | 姓名 | 班级 | 语文 |
|---|---:|---:|---:|
| 0 | 张伟 | 一班 | 88 |
| 1 | 王芳 | 一班 | 92 |
| 2 | 李娜 | 一班 | 75 |

  head(3) 给前 3 行，tail(2) 给后 2 行。括号里不写数字，默认 5。

| 行 | 姓名 | 语文 |
|---|---:|---:|
| 8 | 周涛 | 83 |
| 9 | 吴霞 | 79 |

  ! 读任何一份数据，第一件事都是 head 加 tail：头尾都对，中间大多也对。

  ② 按行号抽：iloc
  --------------------------------------------------------------------
  iloc[0] 取第一行，返回的是一个 Series，标签是列名。
    姓名=张伟，语文=88，数学=92。
  iloc[2:5] 取第 3 到第 5 行（含头不含尾），一共 3 行。

| 行 | 姓名 | 语文 |
|---|---:|---:|
| 2 | 李娜 | 75 |
| 3 | 刘洋 | 85 |
| 4 | 陈静 | 90 |

  ! iloc 用方括号，两个参数写法是 iloc[行, 列]。只给一个就是行。

  ③ 按标签抽：loc
  --------------------------------------------------------------------

| 姓名 | 语文 | 数学 |
|---|---:|---:|
| 张伟 | 88 | 92 |
| 李娜 | 75 | 68 |
| 赵敏 | 95 | 91 |

  行标签换成姓名之后，loc 就能按名字取。一次取多行要给一个列表。
  切片也行：d.loc['张伟':'李娜'] 取张伟、王芳、李娜三行，两头都含。
  ! loc 的切片含尾，iloc 的切片不含尾。这一条要背下来。

  ④ 两种写法怎么区分
  --------------------------------------------------------------------

| 想干什么 | 写法 | 注意 |
|---|---|---|
| 前 5 行 | df.head() | 最省事 |
| 第 3 到 5 行 | df.iloc[2:5] | 不含第 5 行 |
| 姓名是张伟那行 | df.loc['张伟'] | 要先 set_index |
| 第 1 行第 2 列 | df.iloc[0, 1] | 逗号分开行列 |

  混用的后果是取错行：标签被改成姓名之后，df.loc[0] 会报 KeyError，而不是返回第一行。
  ! 排错口诀：报 KeyError 说明用 loc 找了一个不存在的标签，改成 iloc 就好。

loc 切片两头都含，所以 loc['张伟':'李娜'] 是 3 行；iloc 切 0:3 也是 3 行，但含义完全不同。 同一个结果、两种写法，靠的是标签和位置各算各的账。换成别的数据，两个数就不等了。

30 秒实验

1. 把 iloc[2:4] 改成 loc 写法，取同样三行，看要多写什么。
2. 给表加一行「合计」，再用 tail(1) 看它长什么样。
3. 想一想：行标签是姓名，那 d.loc['张伟':'李娜'] 是按拼音顺序圈还是按行顺序圈？

常见误区

1. 行标签变了还用 loc[0]：报 KeyError，以为数据坏了。
2. 以为 loc 切片也不含尾：多取一行，算平均时多带了一个人。
3. 只 head 不 tail：漏掉文件末尾的合计行和空行。
4. 把 iloc 的两个参数顺序记反：iloc[列, 行] 是错的，永远先写行。

行会抽了，接下来抽列，还有更常用的条件筛选——「数学高于 88 的有谁」。

• ☐ （本篇完，下一篇 3.9 抽取列与按条件筛选）

相关笔记

• 导入 csv、txt 和网页表格
• 抽取列与按条件筛选
• Series 的索引与取值
• 📊 Python 数据分析 · 索引