1、选择对象
1.选择特定列和行的数据 a['x'] 那么将会返回columns为x的列，注意这种方式一次只能返回一个列。a.x与a['x']意思一样。
取行数据，通过切片[]来选择 如：a[0:3] 则会返回前三行的数据。
2.loc是通过标签来选择数据 a.loc['one']则会默认表示选取行为'one'的行；
a.loc[:,['a','b'] ] 表示选取所有的行以及columns为a,b的列；
a.loc[['one','two'],['a','b']] 表示选取'one'和'two'这两行以及columns为a,b的列；
a.loc['one','a']与a.loc[['one'],['a']]作用是一样的，不过前者只显示对应的值，而后者会显示对应的行和列标签。
3.iloc则是直接通过位置来选择数据 这与通过标签选择类似 a.iloc[1:2,1:2] 则会显示第一行第一列的数据;(切片后面的值取不到)
a.iloc[1:2] 即后面表示列的值没有时，默认选取行位置为1的数据;
a.iloc[[0,2],[1,2]] 即可以自由选取行位置，和列位置对应的数据。
4.使用条件来选择 使用单独的列来选择数据
a[a.c>0] 表示选择c列中大于0的数据
使用where来选择数据 a[a>0] 表直接选择a中所有大于0的数据
使用isin()选出特定列中包含特定值的行 a1=a.copy() a1[a1['one'].isin(['2','3'])] 表显示满足条件：列one中的值包含'2','3'的所有行。
DataFrame.filter(items=None, like=None, regex=None, axis=None) DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds) 查找 空值位置 data[pd.isnull(data.jobName).values==True] 查找jobName为空的记录
转载于:https://www.cnblogs.com/zhaopAC/p/9197292.html
相关资源：Python之Pandas知识点