除了最基本的篩選外，例：data[‘A’]
還有loc、iloc、ix（已不推薦使用）
我對它們的區分，說loc（location），在教室裡找不認識的同學的位置一樣的，找人肯定要知道名字或者身高形體（條件），是以loc就隻能用條件或者行列的名字來進行篩選；
再說iloc（indx location），index是什麼，我把它當作是索引位置，第幾行第幾列的意思，是以iloc是用第幾行第幾列這樣的數字來篩選的。
或許我形容的不夠好，我下面的示範自己做一遍，會有深刻的印象。
下面就對loc和iloc各種操作示範一下，還有什麼缺少的操作可以提醒我補充，大家一起學習進步。
首先建立一個資料data用于兩個函數的操作。
import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randint(100,size=(10,10)),\
columns=['a','b','c','d','e','f','g','h','i','j'],\
index=['A','B','C','D','E','F','G','H','I','J'])
data
以下方法中都可以采用切片的，十分友善，我示範的不多，還有待大家自行舉一反三練習呀。
小聲哔哔，有人問切片是啥，emm，這是還沒入門啊，先學完切片再來看。
一、loc
（一）讀取某行
# 讀取第二行的所有列
data.loc['B',:] # 等價于data.loc['B']
（二）讀取某列
# 讀取第一列的所有行
data.loc[:,'a']
（三）讀取某行的同時讀取某列
# 讀取第一列第一行
data.loc['A','a']
loc支援切片這種騷操作.
# 讀取第一行到第四行的第三列到第五列
data.loc['A':'D','c':'e']
（四）按照條件讀取
不過這裡還可以對列進行選擇，切片也是行的
另外、錯誤示範
有些人就是不信邪，用loc執行直接找第幾行的操作，不行的，loc隻能名字和條件，你要是想找第幾行要用iloc。
二、iloc
以下盡量和loc讀取一樣的行或列，友善大家比較。
（一）讀取某行
# 讀取第一行的所有列
data.iloc[1] # 結果等價于data.loc['B',:] == data.iloc[1,:]
（二）讀取某列
# 讀取第一列的所有行
data.iloc[:,1]
（三）讀取某行的同時讀取某列
# 讀取第一行第一列,python的位置都是從0開始的，第一行的表示就是0
data.iloc[0,0] # 結果等價于 data.loc['A','a']
同樣的，無論是loc還是iloc它裡面的參數都是可以進行切片操作的。
注意，這裡的數字切片和上面的索引切片不一樣，它的區間是左閉右開的，右邊最後一個取不到
# 讀取第一行到第四行的第二列到第五列
data.iloc[0:4,2:5] # 結果等價于data.loc['A':'D','c':'e']