dataframe中取值

在 Pandas 中，可以使用 loc 和 iloc 方法从 DataFrame 中取值。

loc 方法用于基于标签（label）或布尔数组（boolean array）从 DataFrame 中选取行和列，可以通过行标签和列标签进行切片或选择具体的行列，例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

# 选取行为 'a'，列为 'A' 和 'C' 的数据
print(df.loc['a', ['A', 'C']])

# 选取第 1 行和第 3 行，列为 'B' 和 'C' 的数据
print(df.loc[['a', 'c'], ['B', 'C']])

# 选取所有行，列为 'A' 的数据
print(df.loc[:, 'A'])

输出结果为：

A    1
C    7
Name: a, dtype: int64
   B  C
a  4  7
c  6  9
a    1
b    2
c    3
Name: A, dtype: int64

iloc 方法则用于基于行号和列号从 DataFrame 中选取行和列，与 loc 不同，iloc 是依据行号和列号来进行切片或选择具体的行列，例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 选取第 0 行，第 2 列的数据
print(df.iloc[0, 2])

# 选取第 0 行和第 2 行，第 1 列的数据
print(df.iloc[[0, 2], 1])

# 选取所有行，第 0 列的数据
print(df.iloc[:, 0])

输出结果为：

7
0    4
2    6
Name: B, dtype: int64
0    1
1    2
2    3
Name: A, dtype: int64

需要注意的是，使用 loc 或 iloc 方法时，行和列的切片方式不同，loc 是闭区间，而 iloc 是半开区间。例如选取第 0 行到第 1 行，第 0 列到第 1 列的数据，loc 方法应该写成 df.loc['a':'b', 'A':'B']，而 iloc 方法应该写成 df.iloc[0:2, 0:2]。