为何Pandas中.loc切片上界为包含性，.iloc为排他性？

这个问题其实是Pandas针对两种索引逻辑的刻意设计，咱们结合你的例子和两种方法的定位来拆解：

首先先回顾你给出的代码片段，方便对照：

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

1. .iloc：和Python原生切片逻辑对齐 #

.iloc是基于整数位置的索引，它的设计完全贴合Python原生序列（比如列表、字符串）的切片规则——切片的上界是排他性的。

比如你在Python里写[0,1,2][:1]，得到的是[0]；range(3)[:1]得到的是range(0,1)。Pandas这么设计是为了让熟悉Python基础语法的用户无缝上手，不用重新适应新的切片规则。

在你的例子里，df.iloc[:1]就是取“位置0到位置1之前”的行，也就是只有位置0的那一行。

2. .loc：贴合标签索引的语义需求 #

.loc是基于行标签的索引，它的切片上界是包含性的，这是为了适配标签索引的核心场景：按标签的范围选取数据，不管标签是不是连续的整数。

举个例子，如果你的行标签不是连续整数，而是['x', 'y', 'z']，那么df.loc['x':'z']肯定是要包含从x到z的所有行，这符合我们“选取某段标签区间”的直觉。哪怕标签是整数但不连续（比如行标签是[0,2,4]），df.loc[0:4]也会把标签0、2、4的行都取出来，而不是只取到标签4之前的行。

回到你的例子，行标签刚好是连续的0、1、2，所以df.loc[:1]就会包含标签0和1的所有行。

简单总结：

• .iloc跟着Python原生切片走，上界排他，适配位置操作；
• .loc跟着标签语义走，上界包含，适配标签范围选取。

内容的提问来源于stack exchange，提问作者James Ko