1）行（列）选取（单维度选取）：df[]。

这种情况一次只能选取行或者列，即一次选取中，只能为行或者列设置筛选条件（只能为一个维度设置筛选条件）。

2）区域选取（多维选取）：df.loc[]，df.iloc[]。

这种方式可以同时为多个维度设置筛选条件。

>>> df

    name   age  gender isMarried

a    Joe  25.0       1       yes

b   Mike  32.0       0       yes

c   Jack  18.0       1        no

d   Rose   NaN       1       yes

e  David  15.0       0        no

f  Marry  20.0       1        no

g  Wansi  41.0       0        no

h   Sidy   NaN       0       yes

i  Jason  37.0       1        no

j   Even  32.0       0        no

行（列）选取：df[]

行（列）选取是在单一维度上进行数据的选取，即以行为单位进行选取或者以列为单位进行选取。Dataframe对象的行有索引（index），默认情况下是[0,1,2，……]的整数序列，也可以自定义添加另外的索引，例如上面的labels，（为区分默认索引和自定义的索引，在本文中将默认索引称为整数索引，自定义索引称为标签索引）。Dataframe对象的每一列都有列名，可以通过列名实现对列的选取。

1）选取行

选取行的方式包括三种：整数索引切片、标签索引切片和布尔数组。

a）整数索引切片：前闭后开

df[0:1]  #选取第一行
df[0:2]   #选取前两行

b）标签索引切片：前闭后闭

df[:'a']  #选取第一行
df['a':'b']    #选取前两行

c）布尔数组

df[[True,True,True,False,False,False,False,False,False,False]]  #选取前三行,注意这里布尔序列的长度需要与列的长度相同
df[df['age']>30]  #选取所有age大于30的行

2）列选取

列选取方式也有三种：标签索引、标签列表、Callable对象

a）标签索引：选取单个列

df['name']   #选取name列所有数据

b）标签列表：选取多个列

df[['name','age']]   #选取name和age两列数据

c）callable对象

df[lambda df: df.columns[0]]  #选取第一列

区域选取：df.loc[]、df.iloc[]

区域选取可以从多个维度（行和列）对数据进行筛选，可以通过df.loc[]，df.iloc[]两种方法实现。采用df.loc[]，df.iloc[]这三种方法进行数据选取时，方括号内必须有两个参数，第一个参数是对行的筛选条件，第二个参数是对列的筛选条件，两个参数用逗号隔开。df.loc[]，df.iloc[]的区别如下：

df.loc[]只能使用标签索引，不能使用整数索引，通过便签索引切边进行筛选时，前闭后闭。

df.iloc[]只能使用整数索引，不能使用标签索引，通过整数索引切边进行筛选时，前闭后开。

df.loc[]

1）对行进行选取

df.loc['a', :]    #选取索引为‘a’的行
df.loc[['a','b','c'], :]      #选取索引为‘a’或‘b’或‘c’的行
df.loc['a':'d', :]       #选取从‘a’到‘d’的所有行（包括‘d’行）
df.loc[[True,True,True,False,False,False], :]      #用布尔数组选取前3行
df.loc[df['age']>30,:]      #选取所有age大于30的行
df.loc[lambda df:df['age'] > 30, :]      #用callable对象选取age大于30的所有行

2）对列选取

df.loc[:, 'name']   #  输出所有人的姓名（选取name列）
df.loc[:, 'name':'age']      #输出所有人的姓名和年龄（选取name和age列）
df.loc[:, ['name','age','isMarried']]     #输出所有人的姓名、年龄、婚否（选取name、age、isMarried列）
df.loc[:, [True,True,True,False]]     #用布尔数组的方式选取前3列

3）同时对行和列进行筛选

df.loc[df['age']>30,['name','age']]       # 输出年龄大于30的人的姓名和年龄
df.loc[(df['name']=='Mike') |(df['name']=='Marry'),['name','age']]      #输出行名为‘Mike’或‘Marry’的姓名和年龄

df.iloc[]

1）行选取

df.iloc[1, :]    #选取第2行
df.iloc[:3, :]   #选取前3行
df.iloc[[1,3,5],:]    #选取第2行、第4行、第6行
df.iloc[[True,True,True,False,False,False], :]    #通过布尔数组选取前3行

2）列选取

df.iloc[:, 1]     #选取第2列
df.iloc[:, 0:3]    #选取前3列
df.iloc[:, [0,2,3]]    #选取第1列、第3列和第4列
df.iloc[:,[True,True,True,False]]    #通过布尔数组选取前3列

3）同时选取行和列

df.iloc[1, [0,2,3]]   #选取第2行的第1列、第3列、第4列
df.iloc[:3, :3]    #选取前3行的前3列