1 提取具体单行列，多行列数据：
（1）提取单行数据：
df.loc[32]
df.iloc[32,:]
df.iloc[32]
（2）提取单列数据：
df[['xxx']]
（3）提取多列数据：
#1.提取xxx1, xxx2, xxx3列数据：
df[['xxx1', 'xxx2', 'xxx3']]
#2.提取除倒数后三列之外的全部列数据：
df.iloc[:, : -3]
（4）提取第一列位置再1，10，15的数字：
#方法一：
df.iloc[[1, 10, 15], 0]
#方法二：
df['col1'][[1, 10, 15]]
#方法三：
df['col1'].take([1, 10, 15])
2. 提取重复值所在的行列数据：duplicated()
（1）判断dataframe数据某列是否重复
df.xxx.duplicated()
（2）判断dataframe数据整行是否重复
df.duplicated()
（3）判断dataframe数据多列数据是否重复(多列组合查)
df.duplicated(subset = ['xxx1','xxx2'])
（4）判断重复索引所在行列数据：
#方法一：
df[df.index.duplicated()]
#方法二：
df.index.is_unqiue
3 提取数值条件判断
（1）判断某列元素值大于某数x的行
df[df['xxx'] > 3]
（2）判断某列元素值大于3小于7的行
df[(df['xxx'] > 3) & (df['xxx'] < 7)]
（3）提取某列最大值所在的行
df[df['xxx'] == df['xxx'].max()]
（4）提取两列之后大于60000的最后三行：
df[(df['xxx1'] + df['xxx2']) > 60000].tail(3)
4 提取含空值的行列：
（1）提取xxx列含空值的行：
data[data['xxx'].isnull()]
（2）提取每列缺失值的具体行数：
for columname in data.columns: #遍历每一列
if data[columname].count() != len(data): #判断缺失行条件：所在列的值数等于总数据的长度
#将存在缺失值的行的索引转换成列表储存
loc = data[columname][data[columname].isnull().values == True].index.tolist()
print('列名："{}",第{}行位置有缺失值'.format(columname, loc))
5 提取某列不是数值或(包含)字符串的行：
（1）判断该列每行是否为浮点型:（依据type() != float）
for i in range(len(data)):
if type(data['换手率(%)'][i]) != float: #data['换手率(%)'][i]或写成data.iloc[i, 13]
temp = temp.append(data.loc[i])
temp.head()
（2）判断某列是否包含字符串('--')：
# 方法一：isin()
data[data['xxx'].isin(['--'])]
# 方法二：contains()
df[df["xxx"].str.contains("--")]
（3）判断某列是否为特定字符串：
# 方法一：
df[df['grammer'] == 'Python']
# 方法二：
results = df['grammer'].str.contains('Python')
results.fillna(value=False, inplace=True)
df[results]
6 提取某列符合要求的数据：(如：国家列(Endland, Italy, Russia))
# 方法一：isin()
df[df['xxx'].isin(['England', 'Italy', 'Russia'])] [['xxx', 'xxx1']]
# 方法二：loc提取
df.loc[df['xxx'].isin(['England', 'Italy', 'Russia']), ['xxx','xxx1']]
7 提取某列以'数据'开头的行：
# 方法一：match函数
df[df['xxx'].str.match('数据')]
# 方法二：startswith函数
df[df['xxx'].str.startswith('数据')]
8 提取第一列中不在第二列出现的数字：
df['col1'][~df['col1'].isin(df['col2'])] #~取反
'''
isin()函数：判断数据是否存在，返回布尔型向量，可用于数据的过滤
Series.isin(vals)：判断Series的内容是否再vals中
Index.isin(vals)：判断索引值是否在vals中
DataFrame.isin(vals):
vals为列表时，判断DataFrame中数据是否在vals中
vals为字典时，判断DataFrame中对应列的数据是否在vals中
'''
9 提取两列出现频率最高的数字：
# 先将两列使用append()按行合并，再用计数函数：
temp = df['col1'].append(df['col2'])
temp.value_counts(ascending=False)#不加index，返回的是一个Series
temp.value_counts(ascending=False).index[:3] #返回一个数组
10 提取某列中可以整除5的数字位置：
#方法一：
df[df['col1'] % 5 == 0].index
#方法二：np.argwhere
np.argwhere(np.array(df['col1'] % 5 == 0))
