01 前言
我们经常让Excel表格数据与Pandas的DataFrame数据做类比学习，而在实际的应用中，我们发现，关于数据的选择是很重要的一部分。
例如，要选择某几行某几列，或者符合某种条件的数据（类似于Excel中的筛选功能）。
因此，本篇文章就简单介绍几种Pandas数据选择的方法，用最少的知识点，解决最重要的问题。
02 loc和iloc
在对Pandas数据进行操作时，最常用的就是选择部分行和列。
首先为loc，这个根据行和列索引名称来进行选择，例如下面的数据。行索引就是0到6，列索引就是name、course和score。
其用法为loc[行索引，列索引]。
例如，为选择score列可用下面代码，前面我们选择全部行，后面选择score列。
data.loc[:,'score']
获取第3行（其实是第四行，Python索引从0开始），可用以下代码。
data.loc[3,:]
选择部分行和部分列，可用下面代码：
data.loc[[2,4],['course','score']]
最后iloc用法和loc一样，只是iloc使用行和列的数字索引，也就是说，行索引就是0到6，列索引就是0到2。
03 布尔选择
为了选择符合某种条件的数据，就需要使用布尔选择，例如，我们要选择成绩大于80的数据，可用下面代码。
data[data['score'] > 80]
布尔选择有与或非，分别用&，|，~来实现，例如获取李四和王五的成绩单。
data[(data['name'] == '李四') | (data['name'] == '王五')]
data[data['name'].isin(['李四','王五'])]
data[~(data['name'] == '张三')]
今天的分享就到这了，我们下期再见~
