下面是关于“pandas.DataFrame.iloc的具体使用详解”的完整攻略：
一、什么是 iloc
iloc 是 Pandas 中 DataFrame 对象用于获取指定行、列数据的方法之一，iloc 是按照 DataFrame 所在行列的对应索引号（从 0 开始）从左向右、从上向下的顺序来获取元素。
二、iloc 的基础用法
基本语法：
DataFrame.iloc[, ]
代码解释：
DataFrame：Pandas 中的 DataFrame 对象。[,]：可以是一个表示行、列第一个元素的整数值，也可以是一个切片（:）。[,]两个逗号之间不填写任何内容默认取所有行、列。
示例：
import pandas as pd
data = [['A', 1], ['B', 2], ['C', 3]]
df = pd.DataFrame(data, columns=['Name', 'Score'])
print(df.iloc[0]) # 输出第 1 行数据
print(df.iloc[:, 1]) # 输出第 2 列数据
运行结果：
Name A
Score 1
Name: 0, dtype: object
0 1
1 2
2 3
Name: Score, dtype: int64
以上示例中，我们创建了一个二维列表，将其转换成 Pandas 中的 DataFrame 对象。然后使用 iloc 方法来获取第一行和第二列的数据。
三、iloc 的高级用法
1. 按行、列的范围筛选数据
基本语法：
DataFrame.iloc[start:end, start:end]
代码解释：
start：获取数据的起始位置，表示从第几行或第几列开始获取。end：获取数据的结束位置，表示从第几行或第几列结束获取。（不包含 end 行或列）
示例：
import pandas as pd
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
df = pd.DataFrame(data)
print(df.iloc[1:3, 0:2]) # 输出第 2、3 行的第 1、2 列数据
运行结果：
0 1
1 4 5
2 7 8
以上示例中，我们创建了一个二维列表，将其转换成 Pandas 中的 DataFrame 对象。然后使用 iloc 方法来获取第 2、3 行的第 1、2 列数据。
2. 按照自定义的步长获取数据
基本语法：
DataFrame.iloc[start:end:step, start:end:step]
代码解释：
start：获取数据的起始位置，表示从第几行或第几列开始获取。end：获取数据的结束位置，表示从第几行或第几列结束获取。（不包含 end 行或列）step：获取数据时，以几个元素为一组获取，在获取的时候即可跳过、筛选数据。
示例：
import pandas as pd
data = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]
df = pd.DataFrame(data)
print(df.iloc[::2, 1::2]) # 输出第 1、3 行的第 2、4 列数据
运行结果：
1 3
0 2 4
2 12 14
以上示例中，我们创建了一个二维列表，将其转换成 Pandas 中的 DataFrame 对象。然后使用 iloc 方法来获取第 1、3 行的第 2、4 列数据。
结语
总的来说，iloc 方法是 Pandas 中十分重要的一种数据获取方法，其可以帮助我们快速、高效地获取 DataFrame 对象中的数据，例如按行、列的范围筛选数据，以及按照自定义的步长获取数据等。
希望本篇攻略能够对大家了解 pandas.DataFrame.iloc 方法有所帮助。