首先我们先初始化一个dataframe，作为我们的测试数据，方便我们解析：
data=pd.DataFrame(np.random.rand(10,5),index=[100,99,98,97,96,1,2,3,4,5])
数据的结果如下图所示
数据data
看到数据以后，我们需要明确一个事情，就是为什么要使用loc，iloc和ix这样的索引方式，我们使用如下的方式打印data
data[1]
输出结果
data[1]的输出结果
从上图可以看出输出结果为第二列的data值，但是当我们对data做切片处理(slice)后，请看输出结果
data[1:3]
data[1:3]的输出结果
输出结果变为按照行进行索引输出了，为了在任何情况下输出都是明确的，（记住明确的比含糊的好！）所以采用loc，iloc和ix方式对行进行索引，下面对这三种索引方式的输出结果放在下面，然后再解释区别
data.loc[1:3]
data.loc[1:3]的输出结果
data.iloc[1:3]
data.iloc[1:3]的输出结果
data.ix[1:3]
data.ix[1:3]的输出结果
三个索引方式的解析，我看到网上有一段很清晰的解释，贴在下面：
- loc 在index的标签上进行索引,范围包括start和end.
- iloc 在index的位置上进行索引,不包括end.
- ix 先在index的标签上索引，索引不到就在index的位置上索引(如果index非全整数),不包括end.
结合这段输出再看看上面的输出结果，三个索引所表达的意思很明显，这里要对第三个ix做一下解释，如果index非全整数，代表index索引不是标准的整数，有可能是字符串的索引，如下所示
data=pd.DataFrame(np.random.rand(10,5),index=['a','b','c','d','e',1,2,3,4,5])
data的结果如下图所示，注意标红的区域：
带字符串索引的dataframe
我们再执行
data.ix[1:3]
执行结果就会发生变化，如下图所示：
data.ix[1:3]输出结果
应为ix的这种特殊机制，我前面提到，明确的比含糊的好，所以我们在写代码的时候一定要优先使用loc和iloc！
