Question

出于某种原因，以下2次调用iloc / loc会产生不同的行为：

>>> import pandas as pd
>>> df = pd.DataFrame(dict(A=range(3), B=range(3)))
>>> df.iloc[:1]
   A  B
0  0  0
>>> df.loc[:1]
   A  B
0  0  0
1  1  1

我理解loc考虑行标签，而iloc考虑行的基于整数的索引。但为什么loc调用的上限被认为是包容性的，而iloc约束被视为独占？

Answer 1

快速回答：

使用标签时进行包含端点的切片通常更有意义，因为它需要更少的关于DataFrame中其他行的知识。

每当你关心标签而不是位置时，最终排他标签切片会以一种不方便的方式引入位置依赖。

更长的回答：

任何功能的行为都是一种权衡：你偏爱某些用例而不是其他用例。最终，.iloc的操作是熊猫开发者的主观设计决策（正如@ALlollz的评论所指出的，这种行为is intentional）。但要理解为什么他们可能会这样设计它，想一想是什么让标签切片与位置切片不同。

想象一下，我们有两个DataFrame df1和df2：

df1 = pd.DataFrame(dict(X=range(4)), index=['a','b','c','d'])
df1 = pd.DataFrame(dict(X=range(4)), index=['b','c','z'])

df1包含：

   X
Y
a  0
b  1
c  2
d  3

df2包含：

   X
Y
b  0
c  1
z  2

我们假设我们要执行基于标签的任务：我们希望从两个DataFrame中获取b和c之间的行。我们还想对df1和df2使用相同的代码。由于b和c在两个DataFrame中都没有相同的位置，因此简单的位置切片不会成功。所以我们转向基于标签的切片。

如果.loc是最终排他性，要在b和c之间获取行，我们需要知道不仅是我们的标签期望的结束行，但也包括之后的下一行的标签。构建后，下一个标签在每个DataFrame中都会有所不同。

所以要么我们要么：

为每个DataFrame使用单独的代码：df1.loc['b':'d']和df2.loc['b':'z']。这很不方便，因为这意味着我们需要知道除了我们想要的行之外的额外信息。
首先获取位置索引，添加1，然后使用位置切片：df.loc[df.index.get_loc('b'):df.index.get_loc('c')+1]。这只是罗嗦。

但由于.loc是包含端点的，我们可以说.loc['b':'c']。更简单！

每当您关心标签而不是位置，并且您尝试编写与位置无关的代码时，包含端点的标签切片会以一种不方便的方式重新引入位置依赖性

也就是说，也许有些用例确实需要基于标签的终端专有切片。如果是这样，您可以使用@Willz's answer in this question：

df.loc[start:end].iloc[:-1]