针对DataFrame的数据结构，pandas提供了三种获取子集的索引器：[]、.loc[]、.iloc[]。
二、整行整列选取：df[]
df['列标签']，选取单个整列
# 选取“日期”列
df['日期']
df[标签列表]，选取多个整列
# 选取“最高温”，“最低温”，“风力风向”三列
df[['最高温','最低温','风力风向']]
df[切片]，选取整行
# 选取行索引值1、2、3的整行。切片左闭右开
df[1:4]
切片语法也支持字符串的索引标签值，如将"日期"列修改为行索引（index）
df1 = df.set_index("日期")
# 下面两个切片选取的行是一样的
df1[1:4] #按位置序号的切片，左闭右开
df1['2021-12-02 周四':'2021-12-04 周六'] # 按行标签的切片，左闭右闭
df[]语法小结：
三、行列交叉选取
行列交叉选择，可以通过df.loc[]和df.iloc[]两个索引器来实现，两者都需要输入两组参数，先行选择，后列选择。行、列选择都可以是单个标签（序号）、列表和切片。根据需求组合使用，威力强大！
df.loc[行选择,列选择]。参数面向的是标签。
df.iloc[行位置序号,列位置序号]。参数面向的是位置序号。
df1.loc['2021-12-05 周日','空气质量指数']
df1.iloc[4,4]
df1.loc[['2021-12-05 周日','2021-12-07 周二'],['最高温','最低温','风力风向']]
df1.iloc[[4,6],[0,1,3]]
df1.loc['2021-12-01 周三':'2021-12-03 周五','天气':'空气质量指数']
df1.iloc[:3,2:5]
df1.loc[:,['最高温','最低温']]
df1.iloc[:,[0,1]]
四、按条件筛选子集
df.[]、df.loc[]、df.iloc[]除了按照行列的标签和位置序号选取子集，还可以使用条件（布尔表达式）筛选子集。
筛选最高温、最低温
将最高温、最低温处理成数值型：
df1.loc[:,'最高温'] = df1['最高温'].str.replace('°','').astype('float32')
df1.loc[:,'最低温'] = df1['最低温'].str.replace('°','').astype('float32')
获取最高温大于10度，最低温小于6度的数据
# df.[]的写法
df1[(df1['最高温']>10) & (df1['最低温']<6)]
# df.loc[]的写法
df1.loc[(df1['最高温']>10) & (df1['最低温']<6),:]
# &与、|或、~非
df1.loc[(df1['最高温']>10) & ~(df1['最低温']>=6),:]
五、函数筛选子集
# 匿名函数lambda表达式，获取最高温大于10度，最低温小于6度的数据
df1.loc[lambda df : (df['最高温']>10) & (df['最低温']<6)]
获取前9天并且空气质量指数为优
# 自定义函数，返回值是布尔数组
def queryData(df):
return df.index.str.startswith('2021-12-0') & df['空气质量指数'].str.endswith('优')
df1.loc[queryData , :]
小结
在pandast提供的df[]、df.loc[]、df.iloc[]这个三种索引器，前两个更为常用。df[]在整行或者整列获取时更为方便。整行整列选取可以看作是行列交叉选取的一个特例，故df.loc[]是更为通用的方法，它支持单个标签值、列表多选、切片区间、条件（布尔）表达式、函数调用五种方式索引子集，功能强大。