DataFrame 中的查询方式（iloc，loc，iat,at）

1.loc单个标签（label）

接受一个“标签”（label）参数，返回一个Series，返回通过这个标签定位的行的值，注意这里是通过标签定位，而不是通过中括号中的数字定位第几行

test_dict_df.loc[1] #return the row with name 'Bob'
test_dict_df.loc[7] #return the row with name 'Time' important!!!

2.一个array的标签

如果键入一个标签的array，那么就返回一个对应的DataFrame：

3.加入一个切片array

4.行列标签定位

通过在中括号中加入行标签和列标签来定位一个cell，相当于坐标的定位：

test_dict_df.loc[1,'english']  #result：94

5.行标签或列标签是切片array

test_dict_df.loc[1:4,'english']
# test_dict_df.loc[1:4,'english':'math']

6.条件选择

选择英语成绩超过90的所有行

也可以再条件选择后，再加入列选择，列选择的时候可以单列，也可以是切片数组

test_dict_df.loc[test_dict_df['english']>90,'english'] #single label
test_dict_df.loc[test_dict_df['english']>90,'english':'name'] #slice array
test_dict_df.loc[test_dict_df['english']>90,['english','name']] #label array

7.iloc定位

iloc函数与loc函数不同的是，它接受的是一个数字，代表着要选择数据的位置

test_dict_df.iloc[6]

这代表我们选择的是第6行，而不是index为6的那一行

test_dict_df.iloc[[True,False,False,True]]

根据bool值进行选择

# test_dict_df.iloc[1:2]
test_dict_df.iloc[[1,2,4]]

也可接受切片array

8.at函数定位

at是用来选择单个值的，此时用法类似于loc，但比loc更快

test_dict_df.at[1,'english']
test_dict_df.loc[1,'english']

9.iat函数定位

iat也只能选择一个值。只不过是用索引位置来选择，注意：行列都是索引位置来选择，从0开始数

# test_dict_df.iat[1,'english'] #error!!!
test_dict_df.iat[2,2] #right!!!

总结

1、 loc和iloc函数都是用来选择某行的，iloc与loc的不同是：iloc是按照行索引所在的位置来选取数据，参数只能是整数。而loc是按照索引名称来选取数据，参数类型依索引类型而定；
2、 at和iat函数是只能选择某个位置的值，iat是按照行索引和列索引的位置来选取数据的。而at是按照行索引和列索引来选取数据；
3、 loc和iloc函数的功能包含at和iat函数的功能。

参考链接
https://www.cnblogs.com/datasnail/p/9757081.html