Python 的DataFrame 中，有几种数值定位/取值方式
1. df.at()
2. df.iloc[]
3. df.loc[]
记忆点如下：
- 用于选取数据 ： df2=df.loc[参数1，参数2]
- 用于赋值 ：df.loc[参数1，参数2]=1
如下一一进行参数解读及示例
1. df.at(索引，列名)
- 该函数只能取某一个元素的值
- 该函数采取， 行索引加列名的方式 进行定位
例子：
df.at(‘a’,’A’) 表示取索引为a,列名称为A所对应的元素的值
2. df.iloc[参数1，参数2]
- 该函数可以取某个元素、某行、某列、多行、多列。
- 该函数采用，行号、列号的方式 或者 布尔列表的方式 进行定位。 参数只能是数字或者布尔型
- 参数2可以省略， 表示取所有行；或者以“:”形式表示取所有列；
- 参数1不可以省略， 以“:”形式表示取所有列；
- 数字列表： 例如[1,3,5],表示取python行（列）顺序上的第1行（列）、第3行（列）、第5行（列）[1]
- 布尔值列表： 例如[True,Flase, True,Flase, True,Flase]，表示取为True的行（列）， 布尔列表长度一定要跟行（列）的长度一致。
- 单个数字 ：例如5，表示取python行（列）顺序上的第5行（列）
- 冒号分隔的开始行号和结束行号 ：例如 3:5 ，表示取python行（列）顺序上的第3行（列）至第4行（列） 【不包含python顺序含义上的第5行（列）】
例子：
###取相应的行，列为所有的列df.iloc[2] 取第3行，取出后格式为Series（python的顺序是从0开始的，0表示第1，2表示第3，3表示第4，以此类推）
df.iloc[[2]] 取第3行，取出后格式为DatFrame
df.iloc[2:3] 取第3行，取出后格式为DatFrame
df.iloc[2:4] 取
第3行至第4行，取出后格式为DatFrame
df.iloc[[2,4]] 取
第3行和第5行，取出后格式为DatFrame
df.iloc[[2,4,5]] 取第3行、第5行、第6行，取出后格式为DatFrame
df.iloc[[True,True,Flase,False,False,False]] 取为True所对应的行
###取相应的行，同时取相应的列 [行选取的参数,列选取的参数] 行和列参数形式均可以在4种参数表达形式中选择，不互斥，也就是有16种组合的取值方式。df.iloc[2,3] 取第3行第4列的值（python的顺序，2表示3行，3表示4列）
df.iloc[[0, 2], [1, 3]] 取第1行和第3行，然后再取第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] 取为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]] 取为True的行，再取为True的列
3. df.loc[参数1，参数2]
- 该函数可以取某个元素、某行、某列、多行、多列。
- 该函数可用于 查找多重索引或者多重列名 的的数据框。
- 该函数采用， 行索引、列名称 的方式 或者 布尔列表 的方式 进行定位。
- 参数2可以省略， 表示取所有行；或者以“:”形式表示取所有列；
- 参数1不可以省略， 以“:”形式表示取所有列；
- 索引或者列名称列表 ：例如[1,3,5],表示取索引（列名称）为1，3，5的行（列）
- 布尔值列表 ：[True,Flase, True,Flase, True,Flase],表示取为True的行（列），但是列表长度一定要跟行（列）的长度一致。
- 单个索引或者列名称 ：5，表示索引（列名称）为5的行（列）
- 冒号分隔的开始索引（列名称）和结束索引（列名称） ：3:5 表示取索引（列名称）为3至5 【包含5】 的行（列），字符串就按照字符串的方式排序
例子：
###取相应的行，列为所有的列df.loc[2] 取索引为2的行，取出后格式为series
df.loc[[2]] 取索引为2的行，取出后格式为DatFrame
df.loc['a':'c'] 取索引为a至c的行，取出后格式为DatFrame，字符串就按照字符串的方式排序
df.loc[['a','b']] 取索引为a,和b的行，取出后格式为DatFrame
df.loc[[False, False, True]] 取值为True的行，（布尔列表的长度必须为dataframe的长度）
###取相应的行，同时取相应的列 [行选取的参数,列选取的参数] 参数有4种形式，行和列的选取参数均可以在4种形式中选择，不互斥，也就是有16种组合的取值方式。df.loc[[False, False, True],['a','c']] 取值为True的行，再取列名称为a和c的列（布尔列表的长度必须为dataframe的长度）
df.loc[['A','C'],'a':'c'] 取值索引值为A、C的行，再取列名称为a至c的列（布尔列表的长度必须为dataframe的长度）
df.loc['A':'C','a'] 取值索引值A至C的行，再取列名称为a的列（布尔列表的长度必须为dataframe的长度）
另外，df.loc[]支持取多重索引的值或者定位位置 ###取相应的行，列为所有的列 把(第一重索引，第二重索引)当做一个索引值来看，套用上面的同样的规则； 把(第一重列名，第二重列名)当做一个列名来看，套用上面的同样的规则；df.loc[(第一重索引，第二重索引)] 取索引为（第一重索引，第二重索引）的行，取出后格式为series
df.loc[[(第一重索引，第二重索引)]] 取索引为（第一重索引，第二重索引）的行,取出后格式为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的意思为所有第一重索引为c的值。
参考
- ^（python的顺序是从0开始的，0表示第1，2表示第3，3表示第4，以此类推）