Pandas选择数据的方法：df[] / df.loc[x, y] / df.iloc[i, j]

Pandas主要通过索引来定位和获取数据。

Pandas的索引有两种，一种是自然索引，一种是指定的索引。

自然索引无法更改

自然行索引 0, 1, 2, 3 ……

自然列索引 0, 1, 2, 3 ……

指定索引可以人为指定和修改

如果没有指定列索引，默认的指定列索引就是列名

如果没有指定行索引，默认的指定行索引和自然行索引一样

---

取整行或整列

df[ ]

方括号内可以是：

列名 （不支持列名切片）	单个列名 字符串 df[ 'name'] 等同于 df.name （只要符合python语法） 多个列名 字符串列表 df[['name', 'age']]
行索引切片 （不支持单个行索引， 也不支持行索引列表）	[起始索引 : 末尾索引 : 间隔步数] df[0 : 10 : 2] df['Ben' : 'Army' : 1] 起始索引 可以是自然行索引 也可以是指定的行索引 末尾索引 可以是自然行索引 也可以是指定的行索引 间隔步数 可省略 默认为1 整数
条件筛选

（列和行的索引方式不通用，可以避免pandas理解混乱）

---

按行和列组合获取数据

df.loc[x, y]

x	指定行索引	单个行索引 'a' 多个行索引列表 ['a', 'c'] 行索引切片 ['a':'d':2] 条件表达式
y	指定列索引 可省略，默认返回所有列	单个列索引（列名） 'name' 多个列索引（列名）列表 ['name', 'age'] 列索引（列名）切片 ['name':'score'] 条件表达式

df.iloc[i, j]

i	自然行索引	单个行索引 1 多个行索引列表 [0, 5, 10] 行索引切片 [0:10:2] 条件表达式
j	自然列索引 可省略，默认返回所有列	单个列索引 1 多个列索引列表 [1, 3, 5] 列索引切片 [0:3] 条件表达式

---

取单个数据

df.at[x, y]

x	单个指定行索引	'a'
y	单个指定列索引	'name'

df.at['a', 'name']

df.iat[i, j]

i	单个自然行索引	1
j	单个自然列索引	5

df.iat[1, 5]