数据介绍
先随机生成一组数据：
import pandas as pd
import numpy as np
state = ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada']
year = [2000, 2001, 2002, 2003, 2004]
pop = [1.3, 1.4, 1.6, 4.5, 2.7]
frame = pd.DataFrame({'state': state, 'year': year, 'pop': pop})
print(frame)
结果：
pop state year 0 1.3 Ohio 2000 1 1.4 Ohio 2001 2 1.6 Ohio 2002 3 4.5 Nevada 2003 4 2.7 Nevada 2004
1. []切片方法
# 行选择 print(frame[1:3]) # 列选择 print(frame[['year', 'pop']]) # 区块选择 print(frame[:3][['state', 'year']])
结果：
pop state year 1 1.4 Ohio 2001 2 1.6 Ohio 2002
year pop 0 2000 1.3 1 2001 1.4 2 2002 1.6 3 2003 4.5 4 2004 2.7
state year 0 Ohio 2000 1 Ohio 2001 2 Ohio 2002
2.loc（按照索引来进行行列选择）
# 行选择 print(frame.loc[1:3]) # 区块选择 print(frame.loc[1:3, ['year', 'pop']])
结果：
pop state year 1 1.4 Ohio 2001 2 1.6 Ohio 2002 3 4.5 Nevada 2003
year pop 1 2001 1.4 2 2002 1.6 3 2003 4.5
注意：loc与[]的不同之处在于会把3也选择进去，而使用[]是不包含的。
In [15]: data_fecha.head()
Out[15]:
rnd_1 rnd_2 rnd_3
fecha
2012-04-10 8 17 12
2012-04-11 1 16 3
2012-04-12 7 6 1
2012-04-13 2 16 7
2012-04-14 4 17 7
In [16]: # 生成两个特定日期
...: fecha_1 = dt.datetime(2013, 4, 14)
...: fecha_2 = dt.datetime(2013, 4, 18)
...:
...: # 生成切片数据
...: data_fecha.loc[fecha_1: fecha_2]
Out[16]:
rnd_1 rnd_2 rnd_3
fecha
2013-04-14 17 10 5
2013-04-15 14 4 9
2013-04-16 1 2 18
2013-04-17 9 15 1
2013-04-18 16 7 17
建议：使用loc而尽量少使用[]，因为loc在对DataFrame进行重新赋值操作时会避免chained indexing问题，使用[]时编译器很可能会给出SettingWithCopy的警告。
3.iloc
如果说loc是按照索引（index）的值来选取的话，那么iloc就是按照索引的位置来进行选取。iloc不关心索引的具体值是多少，只关心位置是多少，所以使用iloc时方括号中只能使用数值。
# 行选择 print(frame.iloc[1:3]) # 列选择 print(frame.iloc[:, [1, 2]]) # 区块选择 print(frame.iloc[[1, 3, 4], [0, 2]])
结果：
pop state year 1 1.4 Ohio 2001 2 1.6 Ohio 2002
state year 0 Ohio 2000 1 Ohio 2001 2 Ohio 2002 3 Nevada 2003 4 Nevada 2004
pop year 1 1.4 2001 3 4.5 2003 4 2.7 2004
4.at
at的使用方法与loc类似，但是比loc有更快的访问数据的速度，而且只能访问单个元素，不能访问多个元素。
import time
start = time.clock() frame.at[1,'year'] Out[8]: 2001 end = time.clock() end - start Out[11]: 30.75638200200791
start = time.clock() frame.loc[1,'year'] Out[13]: 2001 end = time.clock() end - start Out[15]: 29.014473024534
5.iat
iat对于iloc的关系就像at对于loc的关系，是一种更快的基于索引位置的选择方法，同at一样只能访问单个元素。
In [15]:frame.iat[1,2] Out[16]: 2001
6.ix
以上几种方法都要求查询的秩在索引中，或者位置不超过长度范围，而ix允许你得到不在DataFrame索引中的数据。
In [28]: date_1 = dt.datetime(2013, 1, 10, 8, 30)
...: date_2 = dt.datetime(2013, 1, 13, 4, 20)
...:
...: # 生成切片数据
...: data_fecha.ix[date_1: date_2]
Out[28]:
rnd_1 rnd_2 rnd_3
fecha
2013-01-11 19 17 19
2013-01-12 10 9 17
2013-01-13 15 3 10
2013年1月10号并没有被选择进去，因为这个时间点被看作为0点0分，比8点30分要早一些。