序
这里主要介绍下，在DataFrame中一些筛选的操作，常用的有下面这些
熟练掌握上面的几个方法，操作DataFrame应该就足够了
import pandas as pd
import numpy as np
d = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print('原始数据：\n',df)
print('index 为a的数据：\n',df.loc['a'])
print('index下标为2的数据：\n', df.iloc[2])
.loc函数
，主要就是通过label来获取row数据
前面的例子，都是通过label来输出指定的行数据，其实也可以控制输出指定的列
df2 = pd.DataFrame(np.random.randn(6,4),index=list('abcdef'),
columns=list('ABCD'))
print(df2)
print(df2.loc['c':])
print(df2.loc['d':,['A','D']])
我们还可以实现更复杂的筛选
我们只输出指定的列，label 为a的行数值大于-1且小于0的列
print(df2.loc[:,(df2.loc['a']>-1) & (df2.loc['a']<0)])
#输出指定单元格数据print(df2.loc['a','C'])
.iloc函数
就是通过下标来筛选数据
df3 = pd.DataFrame(np.random.randn(6,4),
index=list(range(0,12,2)),
columns=list(range(0,8,2)))
print(df3)
#输出第2行
print(df3.iloc[1])
print(df3.iloc[:3])
print(df3.iloc[3:5,1:3])
print(df3.iloc[[1, 3, 5], [1, 3]])
