數據框是用於存儲數據的二維結構，分為行和列，一行和一列的交叉位置是一個cell，該cell的位置是由行索引和列索引共同確定的。可以通過at/iat，或loc/iloc屬性來訪問數據框的元素，該屬性后跟一個中括號：[row,col]，中括號內 row表示行索引或行標簽，col表示列索引或列標簽。如果省略row， 那么row維度使用“:”代替，格式是 [ :, col] ，表示訪問所有行的特定列；如果省略col ，格式是[row]，表示訪問特定行的所有列。
有以下數據框對象df，其數據和索引如下：
year state pop one 2000 Ohio 1.5 two 2001 Ohio 1.7 three 2002 Ohio 3.6 four 2001 Nevada 2.4 five 2002 Nevada 2.9
一，索引單個cell
通過元素的行和列索引對來訪問單個cell，at 和 iat 屬性只能訪問當個cell，區別是at可以使用字符串和整數，而iat只能使用整數。
at 和 iat 的格式是：[row, column]， 第一個維度是行索引，第二個維度是列索引。
通過iat屬性（設置下標）來訪問單個cell：
>>> df.iat[1,2]
1.7
通過at屬性（設置標簽）來訪問單個cell：
>>> df.at['two','pop']
1.7
二，通過位置來訪問多個元素
loc 和 iloc 屬性可以訪問多個cell，區別是loc可以使用標簽和布爾（掩碼）數組，不能使用整數位置（整數代表元素的位置），而iloc只能使用整數位置。
loc 和 iloc的格式是：
- [row] 訪問單行，包括所有列
- [row, column] 訪問有row 和 column 確定的元素
.loc[] 主要基於標簽，但也可以與布爾數組一起使用。在格式 .loc[row,col] 中，row和col允許的輸入有：
- label：單個標簽，表示行標簽，索引的數據是一行
- [label]：標簽數組，表示行標簽數組，索引的數據是多行
- ['a':'f'] 或 ['a':'f']：索引切片
- [True, False, True]：和axis等長的布爾數組
舉個例子，分別使用iloc 和loc來訪問數組的多個元素：
>>> df.iloc[[0,1],[0,2]]
year pop
one 2000 1.5 two 2001 1.7 >>> df.loc[['one','two'],['year','pop']] year pop one 2000 1.5 two 2001 1.7
三，訪問整列的數據
直接通過列名來訪問DataFrame的數據，選擇特定列的所有數據行，有兩種格式是：
- df['col'] 單列索引方式
- df.col 屬性方式
- df[['col1','col2']] 列索引數組方式
1，屬性方式 和單列索引方式
對於屬性方式和單列索引方式，只能用於訪問單列，返回的是Series對象：
df['state']
df.state
屬性方式是指：列名作為DataFrame對象的屬性，通過 . 號引用列名來訪問一列的值
單列索引方式是指：列名作為DataFrame對象的索引，通過[] 號索引列來訪問一列的值
2，列索引數組方式
對於列索引數組方式，一次訪問多列，返回的對象是DataFrame類型
df[['year','state']]
3，對序列進行查詢
對於單列索引和屬性方式，返回的結果是一個序列，因此，可以通過[idx]來訪問序列中的元素，[]中的索引idx是行索引，也就是說，使用 .col[row] 或 [col][row] 來訪問單個cell，舉個列子：
>>> df.year['one']
2000
>>> df['year']['one'] 2000
四，索引數組
索引數組是指DataFrame使用數組作為索引，索引數組可以是行標簽、列標簽，或者行索引、列索引，也可以是布爾（掩碼）索引數組。
1，列標簽構成的索引數組
數據框對象可以使用loc和列標簽來訪問數據，例如，省略row維度，選擇state和pop列的所有數據行：
>>> df.loc[:,['state','pop']] state pop one Ohio 1.5 two Ohio 1.7 three Ohio 3.6 four Nevada 2.4 five Nevada 2.9
2，掩碼索引數組
掩碼索引數組是由True和False構成的數組，在特定的軸（維度）上，維度的長度和掩碼索引的長度相同，選擇True對應的索引，忽略False對應的索引。
舉個例子，省略row維度的索引，由於該數據框由三列，可以把year和state列對應的掩碼設置為True，把pop列對應的掩碼設置為False。
>>> df.columns Index(['year', 'state', 'pop'], dtype='object') >>> df.loc[:,[True,True,False]] year state one 2000 Ohio two 2001 Ohio three 2002 Ohio four 2001 Nevada five 2002 Nevada
序列具有矢量化操作的特性，當選擇某一列時，可以通過邏輯運算得出掩碼索引數組：
>>> df['pop']>=2 one False two False three True four True five True Name: pop, dtype: bool >>> df.loc[df['pop']>=2] year state pop three 2002 Ohio 3.6 four 2001 Nevada 2.4 five 2002 Nevada 2.9
五，遍歷DataFrame
使用iterrows() 遍歷數據框，iterrows()返回值為元組(index,row) ，每次迭代返回一行數據：
for index,row in df.iterrows():
print(index,row)
使用itertuples()遍歷數據框，返回的是命名元組：
DataFrame.itertuples(self, index=True, name='Pandas')
使用items()或 iteritems()遍歷數據框，返回值為元組(column,Series)，每次迭代返回一列數據：
>>> for col_name,col in df.items():
... print(col_name,col)
參考文檔：