Python 的DataFrame 中，有幾種數值定位/取值方式
1. df.at()
2. df.iloc[]
3. df.loc[]
記憶點如下：
- 用于選取資料 ： df2=df.loc[參數1，參數2]
- 用于指派 ：df.loc[參數1，參數2]=1
如下一一進行參數解讀及示例
1. df.at(索引，列名)
- 該函數隻能取某一個元素的值
- 該函數采取， 行索引加列名的方式 進行定位
例子：
df.at(‘a’,’A’) 表示取索引為a,列名稱為A所對應的元素的值
2. df.iloc[參數1，參數2]
- 該函數可以取某個元素、某行、某列、多行、多列。
- 該函數采用，行号、列号的方式 或者 布爾清單的方式 進行定位。 參數隻能是數字或者布爾型
- 參數2可以省略， 表示取所有行；或者以“:”形式表示取所有列；
- 參數1不可以省略， 以“:”形式表示取所有列；
- 數字清單： 例如[1,3,5],表示取python行（列）順序上的第1行（列）、第3行（列）、第5行（列）[1]
- 布爾值清單： 例如[True,Flase, True,Flase, True,Flase]，表示取為True的行（列）， 布爾清單長度一定要跟行（列）的長度一緻。
- 單個數字 ：例如5，表示取python行（列）順序上的第5行（列）
- 冒号分隔的開始行号和結束行号 ：例如 3:5 ，表示取python行（列）順序上的第3行（列）至第4行（列） 【不包含python順序含義上的第5行（列）】
例子：
###取相應的行，列為所有的列df.iloc[2] 取第3行，取出後格式為Series（python的順序是從0開始的，0表示第1，2表示第3，3表示第4，以此類推）
df.iloc[[2]] 取第3行，取出後格式為DatFrame
df.iloc[2:3] 取第3行，取出後格式為DatFrame
df.iloc[2:4] 取
第3行至第4行，取出後格式為DatFrame
df.iloc[[2,4]] 取
第3行和第5行，取出後格式為DatFrame
df.iloc[[2,4,5]] 取第3行、第5行、第6行，取出後格式為DatFrame
df.iloc[[True,True,Flase,False,False,False]] 取為True所對應的行
###取相應的行，同時取相應的列 [行選取的參數,列選取的參數] 行和列參數形式均可以在4種參數表達形式中選擇，不互斥，也就是有16種組合的取值方式。df.iloc[2,3] 取第3行第4列的值（python的順序，2表示3行，3表示4列）
df.iloc[[0, 2], [1, 3]] 取第1行和第3行，然後再取第2列和第4列
df.iloc[2:5,3] 取第3行至第5行，再取第4列的值
df.iloc[:,3] 取第4列的值
df.iloc[2:5,3:6] 取第3行至第5行，再取第4列至第8列的值
df.iloc[[True,True,Flase,False,False,False],3:6] 取為True的行，再取第4列至第6列的值
df.iloc[[True,True,Flase,False,False,False],[True,True,Flase,False,False,False]] 取為True的行，再取為True的列
3. df.loc[參數1，參數2]
- 該函數可以取某個元素、某行、某列、多行、多列。
- 該函數可用于 查找多重索引或者多重列名 的的資料框。
- 該函數采用， 行索引、列名稱 的方式 或者 布爾清單 的方式 進行定位。
- 參數2可以省略， 表示取所有行；或者以“:”形式表示取所有列；
- 參數1不可以省略， 以“:”形式表示取所有列；
- 索引或者列名稱清單 ：例如[1,3,5],表示取索引（列名稱）為1，3，5的行（列）
- 布爾值清單 ：[True,Flase, True,Flase, True,Flase],表示取為True的行（列），但是清單長度一定要跟行（列）的長度一緻。
- 單個索引或者列名稱 ：5，表示索引（列名稱）為5的行（列）
- 冒号分隔的開始索引（列名稱）和結束索引（列名稱） ：3:5 表示取索引（列名稱）為3至5 【包含5】 的行（列），字元串就按照字元串的方式排序
例子：
###取相應的行，列為所有的列df.loc[2] 取索引為2的行，取出後格式為series
df.loc[[2]] 取索引為2的行，取出後格式為DatFrame
df.loc['a':'c'] 取索引為a至c的行，取出後格式為DatFrame，字元串就按照字元串的方式排序
df.loc[['a','b']] 取索引為a,和b的行，取出後格式為DatFrame
df.loc[[False, False, True]] 取值為True的行，（布爾清單的長度必須為dataframe的長度）
###取相應的行，同時取相應的列 [行選取的參數,列選取的參數] 參數有4種形式，行和列的選取參數均可以在4種形式中選擇，不互斥，也就是有16種組合的取值方式。df.loc[[False, False, True],['a','c']] 取值為True的行，再取列名稱為a和c的列（布爾清單的長度必須為dataframe的長度）
df.loc[['A','C'],'a':'c'] 取值索引值為A、C的行，再取列名稱為a至c的列（布爾清單的長度必須為dataframe的長度）
df.loc['A':'C','a'] 取值索引值A至C的行，再取列名稱為a的列（布爾清單的長度必須為dataframe的長度）
另外，df.loc[]支援取多重索引的值或者定位位置 ###取相應的行，列為所有的列 把(第一重索引，第二重索引)當做一個索引值來看，套用上面的同樣的規則； 把(第一重列名，第二重列名)當做一個列名來看，套用上面的同樣的規則；df.loc[(第一重索引，第二重索引)] 取索引為（第一重索引，第二重索引）的行，取出後格式為series
df.loc[[(第一重索引，第二重索引)]] 取索引為（第一重索引，第二重索引）的行,取出後格式為DatFrame
df2.loc[(a,'ii'):(c,'ii')] 取索引(a,'ii')至索引(c,'ii')的行
df2.loc[(a,'ii'):c] 取索引(a,'ii')至索引c的行，索引c的意思為所有第一重索引為c的值。
參考
- ^（python的順序是從0開始的，0表示第1，2表示第3，3表示第4，以此類推）