df[],df.loc,df.

df[]、df.loc[]是pandas中常用的数据选取方式，其中df[]主要用于选取列，df.loc[]主要用于选取行和列。下面是它们的详细介绍和示例代码：

1. df[]
df[]用于选取列，可以通过列名或者列索引进行选取。选取单列时返回Series类型，选取多列时返回DataFrame类型。

示例代码：

   import pandas as pd
   
   # 创建DataFrame
   data = {'name': ['Tom', 'Jack', 'Steve'], 'age': [28, 34, 29], 'gender': ['M', 'M', 'F']}
   df = pd.DataFrame(data)
   
   # 选取单列
   col1 = df['name']
   print(col1) # 输出：0      Tom  1     Jack  2    Steve  Name: name, dtype: object
   
   # 选取多列
   col2 = df[['name', 'age']]
   print(col2) # 输出：    name  age  0   Tom   28  1  Jack   34  2 Steve   29

2. df.loc[]
df.loc[]用于选取行和列，可以通过行标签和列标签进行选取。选取单行或单列时返回Series类型，选取多行或多列时返回DataFrame类型。

示例代码：

   import pandas as pd
   
   # 创建DataFrame
   data = {'name': ['Tom', 'Jack', 'Steve'], 'age': [28, 34, 29], 'gender': ['M', 'M', 'F']}
   df = pd.DataFrame(data, index=['a', 'b', 'c'])
   
   # 选取单行
   row1 = df.loc['a']
   print(row1) # 输出：name      Tom  age       28  gender     M  Name: a, dtype: object
   
   # 选取多行
   row2 = df.loc[['a', 'c']]
   print(row2) # 输出：   name  age gender  a   Tom   28      M  c  Steve   29      F
   
   # 选取单列
   col1 = df.loc[:, 'name']
   print(col1) # 输出：a      Tom  b     Jack  c    Steve  Name: name, dtype: object
   
   # 选取多列
   col2 = df.loc[:, ['name', 'age']]
   print(col2) # 输出：    name  age  a   Tom   28  b  Jack   34  c Steve   29

3. df.iloc[]
df.iloc[]用于选取行和列，可以通过行索引和列索引进行选取。选取单行或单列时返回Series类型，选取多行或多列时返回DataFrame类型。

示例代码：

   import pandas as pd
   
   # 创建DataFrame
   data = {'name': ['Tom', 'Jack', 'Steve'], 'age': [28, 34, 29], 'gender': ['M', 'M', 'F']}
   df = pd.DataFrame(data)
   
   # 选取单行
   row1 = df.iloc[0]
   print(row1) # 输出：name      Tom  age       28  gender     M  Name: 0, dtype: object
   
   # 选取多行
   row2 = df.iloc[[0, 2]]
   print(row2) # 输出：    name  age gender  0   Tom   28      M  2  Steve   29      F
   
   # 选取单列
   col1 = df.iloc[:, 0]
   print(col1) # 输出：0      Tom  1     Jack  2    Steve  Name: name, dtype: object
   
   # 选取多列
   col2 = df.iloc[:, [0, 1]]
   print(col2) # 输出：    name  age  0   Tom   28  1  Jack   34  2 Steve   29