在剛學Pandas時，行選擇和列選擇非常容易混淆，在這里進行一下討論和歸納
本文的數據來源：https://github.com/fivethirtyeight/data/tree/master/fandango
import pandas as pd fandango = pd.read_csv('fandango_score_comparison.csv')
原始的數據如下（截取了一部分）
行選擇
Pandas進行行選擇一般有三種方法：
- 連續多行的選擇用類似於python的列表切片
- 按照指定的索引選擇一行或多行，使用loc[]方法
- 按照指定的位置選擇一行多多行，使用iloc[]方法
第一種，使用類似於python的列表切片
n = fandango[1:3]
從結果可以看到，和python的列表切片一樣，索引號從0開始，選擇了索引號1和2的數據（不包括3）
第二種，按照指定的索引選擇一行或多行，使用loc[]方法
o = fandango.loc[1]
p = fandango.loc[1:3]
可以看到，o是一個Series，選擇了索引號為1的那一行數據，注意p，它與第一種的列表索引最大的不同是包含了索引號為3的那一行數據
u = fandango.loc[[1,3]]
這里按照索引號選擇不連續的行
第三種，按照指定的位置選擇一行多多行，使用iloc[]方法
在上面的數據中，使用iloc[]和loc[]的效果是一樣的，因為索引號都是從0開始並且連續不斷，現在我要刪除索引號為1和2的這兩行
fandango_drop = fandango.drop([1,2], axis=0)
可以看到的確刪除了兩行數據
此時我仍然用loc[]來索引行號為2的那一行，就會出錯
s = fandango_drop.loc[2]
但是，我使用iloc[]來進行一次
t = fandango_drop.iloc[2]
看到了吧，iloc[2]的意思是選擇第三行的數據，也就是索引號為4的那一行數據，因為iloc[]的計算也是從0開始的，所以iloc[]適用於數據進行了篩選后造成索引號與原來不一致的情況
loc[]與iloc[]方法之間還有一個巨大的差別，那就是loc[]里的參數是對應的索引值即可，所以參數可以是整數，也可以是字符串。而iloc[]里的參數表示的是第幾行的數據，所以只能是整數
列選擇
列選擇比較簡單，只要直接把列名傳遞過去即可，如果有多列的數據，要單獨指出列名或列的索引號
第一種，選擇單列，選擇了電影名稱那一列
q = fandango['FILM']
第二種，通過指定列名選擇多列
r = fandango[['FILM','Metacritic']]
第三種，非常容易讓人混淆的，通過列的索引號選擇多列
v = fandango[[0,1,2]]
其實，列也是有一個索引號的，看到這里不禁想問，那我要選擇前5列呢？我不想寫一個長列表，又不想逐個寫出這5列的名稱，能否用切片呢？
x = fandango[[0:5]]
事實證明，這是不行的，更好的方法是在參數中構建一個列表
w = fandango[list(range(5))]
更多的參考資料：http://pandas.pydata.org/pandas-docs/version/0.17.0/api.html#id3
