如何对Pandas中的DataFrame进行数据筛选？

Pandas中的DataFrame是一个二维标签数据结构，你可以使用多种方法进行数据筛选。以下是几种常见的筛选方法：

1. 使用`loc`和`iloc`：
- `loc`用于基于标签的索引，它可以根据行标签和列标签来进行数据筛选。

     df.loc[row_indexer, column_indexer]  # 行标签和列标签

- `iloc`用于基于整数的索引，它通过行号和列号来选择数据。

     df.iloc[row_indexer, column_indexer]  # 行号和列号

2. 使用布尔索引：
- 布尔索引是一种非常灵活的筛选方式，你可以创建一个布尔数组来表示每一行是否满足特定条件。

     df[df['column_name'] > some_value]  # 根据列值筛选满足条件的行

3. 使用条件组合：
- Pandas支持使用`&`（和）和`|`（或）运算符来组合多个条件。

     df[(df['column1'] > value1) & (df['column2'] < value2)]  # 多个条件组合筛选

4. 使用`.query()`方法：
- 这是一种简洁的筛选方法，允许你使用字符串形式的查询表达式来进行筛选。

     df.query('column1 > @value1 and column2 < @value2')  # 使用字符串形式的查询表达式

5. 使用`.drop()`和`.keep()`方法：
- 你可以使用`drop`方法根据标签删除某些行或列，而`keep`方法则用于指定保留哪些行或列。

     df.drop(labels, axis=0, inplace=False)  # 删除行
     df.drop(labels, axis=1, inplace=False)  # 删除列
     df.keep(labels, axis=0, inplace=False)  # 保留行
     df.keep(labels, axis=1, inplace=False)  # 保留列

6. 使用切片：
- 类似于Python列表，你也可以对DataFrame进行切片操作，这会返回部分数据的视图。

     df[start:stop:step]  # 行切片
     df[column_start:column_stop:column_step]  # 列切片