>>> df=pd.DataFrame(np.random.randn(6,4),columns=list('ABCD'))
>>> df
A B C D
0 0.048316 -1.457243 1.076872 -0.936863
1 0.220661 1.656363 -0.641167 -0.306790
2 -0.621837 -0.174303 -1.404856 0.927649
3 -0.985101 -1.258092 -1.362130 0.804768
4 0.863754 -1.106494 0.290809 0.633306
5 0.533280 -1.091326 0.402656 -1.099629
>>> #使用iloc方法提取第四行数据
>>> df.iloc[3]
A -0.985101
B -1.258092
C -1.362130
D 0.804768
Name: 3, dtype: float64
>>> #我们也可以提取不连续行和列的数
>>> df.iloc[[1,2,4],[0,2]]
A C
1 0.220661 -0.641167
2 -0.621837 -1.404856
4 0.863754 0.290809
>>> #想要提取某一样或者某几行的数据,保证所有列都在,可以使用一个冒号来表示所有列
>>> df.iloc[1:3,:]
A B C D
1 0.220661 1.656363 -0.641167 -0.306790
2 -0.621837 -0.174303 -1.404856 0.927649
>>>
>>> #当然,所有行,也可以用冒号来表示
>>> df.iloc[:,1:3]
B C
0 -1.457243 1.076872
1 1.656363 -0.641167
2 -0.174303 -1.404856
3 -1.258092 -1.362130
4 -1.106494 0.290809
5 -1.091326 0.402656
>>> #提取某一个值,去掉所有冒号,比如取第2行第2列的这个数
>>> df.iloc[1,1]
1.6563630905074296
>>> #当然,iat是专门提取某个数的方法,它的效率高更高,因此建议在提取单个数的时候用iat
>>> df.iat[1,1]
1.6563630905074296
>>>
https://jingyan.baidu.com/article/a17d52853f879e8099c8f240.html