首先非常感謝在這裡能為你解答這個問題，讓我帶領你們一起走進這個問題，現在讓我們一起探討一下。

1. 根據列名選擇：>>> df["A"]

選擇df中名稱為"A"的列，該操作產生一個Series，等同於df.A。

2. 根據行號選擇：>>> df[0 : 3]

選擇df中第0到第2行，該操作產生一個DataFrame。

3. 根據索引選擇：>>> df["20130102" : "20130104"]

選擇索引為"20130102"、"20130103"、"20130104"的行，這些索引對應的型別是DatetimeIndex。

4. 根據索引、列名共同選擇

一個索引的情況

多個索引的情況

>>> df.loc[index1 : index2] # index1和index2的型別要與df的索引型別一致。>>> df.loc[index1 : index2, "A"]>>> df.loc[index1 : index2, ["A"，"B"]]

5. 根據位置選擇

選擇某一行

>>> df.iloc[1] # 選擇第1行，注：df從第0行開始編號

選擇某一列

>>> df.iloc[:, 1] # 選擇第1列，注：df從第0列開始編號

選擇某行、某列的那個元素

>>> df.iloc[1, 1] # 選擇第1行第1列的那個元素

>>> df.iat[1, 1] # 同上，但速度更快

選擇某些行、某些列

>>> df.iloc[3:5, 0:2]

>>> df.iloc[[1,2,4], [0, 2]]

>>> df.iloc[1:3, :]

>>> df.iloc[:, 1:3]

6. 根據條件選擇

>>> df[df.A > 0] # 返回df中"A"列大於0的行

>>> df[df > 0] # 返回一個與df相同大小的df2，保留原df中大於0的元素，並將原df中小於等於0的元素置為NaN

賦值

>>> df["A"] = s1 # s1是一個Series

>>> df.at[index, ‘A’] = 0

>>> df.iat[0, 1] = 0

>>> df.loc[:, "A"] = np.array([5] * len(df))

>>> df[df > 0] = df2 # 將df中大於0的元素置為df2中對應的元素

在以上的分享關於這個問題的解答都是個人的意見與建議，我希望我分享的這個問題的解答能夠幫助到大家。

有一款產品叫燕雲DAAS可以解決，燕雲DAAS只需要提供系統地址和賬號密碼可以動態生成API資料介面實現資料的互動。非侵入式資料採集。政務方面應用很廣泛的