小白学 Python 数据分析（3）：Pandas基础操作（2）——数据选择

引言

上一篇文章我们介绍如何在 Pandas 一些基础的查看数据的操作，但是官方更推荐我们使用 .at、.iat、.loc 和 .iloc 这几个经过 Pandas 优化过的数据访问方法来访问数据。

首先我们还是先创建一个 DataFrame 用作演示，小编偷懒，接着把上一篇的 DataFrame 拷贝过来了，如下：

import numpy as np
import pandas as pd

dates = pd.date_range('20200101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)

DataFrame 是由很多列组成的，其实可以看做是由多个 Series 组成，我们可以单独获取一列直接获得一个 Series ，如下：

# 获取单列，获得 Series
print(df['A'])

# 输出结果
2020-01-01   -0.065477
2020-01-02   -1.089716
2020-01-03    0.049215
2020-01-04   -0.017615
2020-01-05   -0.910402
2020-01-06   -0.008887
Freq: D, Name: A, dtype: float64

接下来我们可以通过 [] 对 DataFrame 进行切片操作，示例如下：

# 行切片
print(df[0:3])
print(df['20200101' : '20200103'])

# 输出结果
                   A         B         C         D
2020-01-01 -0.065477  1.603827  1.152969  0.742842
2020-01-02 -1.089716 -0.540936  0.456917  0.295272
2020-01-03  0.049215