我們對 DataFrame 進行選擇，大抵從這三個層次考慮：行列、區域、單元格。 其對應使用的方法如下： 一. 行，列 --> df[] 二. 區域   --> df.loc[], df.iloc[], df.ix[] 三. 單元格 --> df.at[], df.iat[]

下面開始練習：

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(6,4), index=list('abcdef'), columns=list('ABCD'))

1. df[]:

一維行維度：

df[:3]
df['a':'c']
df[[True,True,True,False,False,False]] # 前三行（布林陣列長度等於行數）
df[df['A']>0] # A列值大於0的行
df[(df['A']>0) | (df['B']>0)] # A列值大於0，或者B列大於0的行
df[(df['A']>0) & (df['C']>0)] # A列值大於0，並且C列大於0的行

df['A']
df[['A','B']]
df[lambda df: df.columns[0]] # Callable

2. df.loc[]

二維，先行後列行維度：     標籤索引、標籤切片、標籤列表、<布林陣列>、Callable列維度：     標籤索引、標籤切片、標籤列表、<布林陣列>、Callable     

df.loc['a', :]
df.loc['a':'d', :]
df.loc[['a','b','c'], :]
df.loc[[True,True,True,False,False,False], :] # 前三行（布林陣列長度等於行數）
df.loc[df['A']>0, :]
df.loc[df.loc[:,'A']>0, :]
df.loc[df.iloc[:,0]>0, :]
df.loc[lambda _df: _df.A > 0, :]

df.loc[:, 'A']
df.loc[:, 'A':'C']
df.loc[:, ['A','B','C']]
df.loc[:, [True,True,True,False]] # 前三列（布林陣列長度等於行數）
df.loc[:, df.loc['a']>0]          # a行大於0的列
df.loc[:, df.iloc[0]>0]           # 0行大於0的列
df.loc[:, lambda _df: ['A', 'B']]

df.A.loc[lambda s: s > 0]

3. df.iloc[]

二維，先行後列行維度：     整數索引、整數切片、整數列表、<布林陣列>列維度：     整數索引、整數切片、整數列表、<布林陣列>、Callable  

df.iloc[3, :]
df.iloc[:3, :]
df.iloc[[0,2,4], :]
df.iloc[[True,True,True,False,False,False], :] # 前三行（布林陣列長度等於行數）
df.iloc[df['A']>0, :]       #× 為什麼不行呢？想不通！
df.iloc[df.loc[:,'A']>0, :] #×
df.iloc[df.iloc[:,0]>0, :]  #×
df.iloc[lambda _df: [0, 1], :]

df.iloc[:, 1]
df.iloc[:, 0:3]
df.iloc[:, [0,1,2]]
df.iloc[:, [True,True,True,False]] # 前三列（布林陣列長度等於行數）
df.iloc[:, df.loc['a']>0] #×
df.iloc[:, df.iloc[0]>0]  #×
df.iloc[:, lambda _df: [0, 1]]

4. df.ix[]

二維，先行後列行維度：     整數索引、整數切片、整數列表、     標籤索引、標籤切片、標籤列表、     <布林陣列>、     Callable列維度：     整數索引、整數切片、整數列表、     標籤索引、標籤切片、標籤列表、     <布林陣列>、     Callable

df.ix[0, :]
df.ix[0:3, :]
df.ix[[0,1,2], :]

df.ix['a', :]
df.ix['a':'d', :]
df.ix[['a','b','c'], :]

df.ix[:, 0]
df.ix[:, 0:3]
df.ix[:, [0,1,2]]

df.ix[:, 'A']
df.ix[:, 'A':'C']
df.ix[:, ['A','B','C']]

5. df.at[]

精確定位單元格行維度：     標籤索引列維度：     標籤索引

df.at['a', 'A']

6. df.iat[]

精確定位單元格

行維度：     整數索引列維度：     整數索引

df.iat[0, 0]