datafram的各类数值索引选取，以isnull选取空值行（非空值行）的操作为例

假如df为datafram格式，df['index']为series格式，df[['index']]为datafram格式

1.判断series是否是空，判断非空数值

pd.isnull(row)#row为series值

row.notnull() ##row为series,和上面功能一样

if (pd.notnull(row["Date"]))&(pd.notnull(row["Coupon_id"])): #row为DataFram格式

2.非空数值选取，选取满足条件的某列，最后数据形式是datafram

u1=fdf[pd.notnull(fdf['Date_received'])][['User_id']] ##fdf为datafram，最后u1为datafram格式，拥有User_id这一列
u1['u_coupon_count'] = 1 ##u1新增一列，值全部为1

u3=fdf[((pd.notnull(fdf['Date']))&(pd.notnull(fdf['Date_received'])))][['User_id']].copy()

 um3 = fdf[fdf['Date_received'].notnull()][['User_id', 'Merchant_id']].copy()

 df.loc[df.country=='Italy']  ##选取country 列全是‘Italy’的数据

3.选取符合条件的所有datafram，包含行和列

feature=row[(row['Date'] < 20160516) | ((pd.isnull(row['Date'])) & (row['Date_received'] < 20160516))].copy() ##综合条件选取，feature为datafram且包含多列

dataset = row[(row['Date_received'] >= 20160516) & (row['Date_received'] <= 20160615)]  #row为datafram

4.对某列进行条件选择

data_train.Age[data_train.Pclass == 1]  ##满足pclass==1的部分age列数据，
Survived_0 = data_train.Embarked[data_train.Survived == 0]

df.loc[(df.Cabin.notnull()), 'Cabin' ] = "Yes"  ##把cabin列非空数值转换成yes

dataset.loc[(dataset['Age'] > 16) & (dataset['Age'] <= 32), 'Age'] = 1

5.选取某行

means = row[['Distance', 'label']].groupby(['label']).mean()
col1 = float(means.loc[1])  ##1为index的索引值

df.loc[['a','b']]#a,b两行

df.loc[df['third']>3]#选取在third列中值大于3的行

train_test.loc[train_test["Fare"].isnull()] ##series.loc是在index寻找

train_test.loc[train_test["Age"].isnull()]['Survived'].mean()##查看缺失年龄的人的死亡率

6.选取某行某列

df.loc['a':'c','fir']#这是a到c行返回fir这一列的值

loc 不仅可以输入数字也可以直接column名字，注意先行后列

df.loc[[0, 1, 10, 100], ['country', 'province', 'region_1', 'region_2']]

表示index（行）为0,1,10,100，列名为'country', 'province', 'region_1', 'region_2'。