创建一个DataFrame

data = {'name':['张三', '李四', '王五', '赵六'],'age':[20, 21, 22, 23], 'gender': [0, 1, 1, 1], 'stature': [165, 189, 178, 160], 'year': [2000, 2002, 2003, 1993]}
df = pd.DataFrame(data)
print (df)

运行结果如下：

  name  age  gender  stature  year
0   张三   20       0      165  2000
1   李四   21       1      189  2002
2   王五   22       1      178  2003
3   赵六   23       1      160  1993

一、 使用loc方法读取数据

loc：按照标签值（列明和行索引取值）来访问，支持单值访问或切片查询，还可以指定返回列变量

1.1 读取某行某列的值

# 1. 读取第二行，第二行的名称是"1"
df1= df.loc[1]

'''
name         李四
age          21
gender        1
stature     189
year       2002
Name: 1, dtype: object
'''

# 2. 读取第二列，第二列的列名是 age
df2 = df.loc[ : ,"age"]
'''
0    20
1    21
2    22
3    23
Name: age, dtype: int64
'''

# 3. 同时读取某个值，读取行号为2，列名为name的值
df3 = df.loc[2, 'name']
# '王五'

1.2 读取某个区域

# 读取第1行到第2行，age列到 stature列这个区域内的值
df4 = df.loc[ 1:2, "age":"stature"]
df4

1.3 按照条件筛选

单条件筛选

# 单个条件筛选：读取年龄大于20的人
df5 = df.loc[ df.age > 20]

多条件筛选

# 多个条件筛选：读取年龄大于20的人并且stature大于180的人
df5 = df.loc[(df.age > 20) & (df.stature> 180)]
df5

条件+切片

# 读取年龄大于20的人,且只显示name和stature
df5 = df.loc[ df.age > 20, ['name', 'stature']]
df5

二. 使用iloc方法读取数据

iloc：通过行索引和列索引位置（数字索引）来访问，支持单值访问或切片查询

2.1 读取某行某列的值

# 1. 读取第二行的值，第一行从0开始
df1= df.iloc[1]

'''
name         李四
age          21
gender        1
stature     189
year       2002
Name: 1, dtype: object
'''

# 2. 读取第二列，第一列从0开始
df2 = df.iloc[ : , 1]
'''
0    20
1    21
2    22
3    23
Name: age, dtype: int64
'''

# 3. 同时读取某个值，读取第3行，第1列的值。第一列从0开始
df3 = df.iloc[2, 0]
# '王五'

2.2 读取某个区域的数据

# 读取第2、3行，第3、4列
df1 = df.iloc[1:3, 2:4]
df1