一、对DataFrame的认知 
DataFrame的本质是行(index)列(column)索引+多列数据。

DataFrame默认索引是序号（0，1，2…），可以理解成位置索引。

一般我们用id标识不同记录，不会改变index。但为了理解不同特征（列）含义，我们往往会重新指定column。

二、对dataframe进行行列数据筛选

import pandas as pd
import numpy as np

from pandas import DataFrame

df = DataFrame(np.arange(20).reshape((4,5)),column = list('abcde')) #生成一个DataFrame

1.df[]&df. 选取列数据

df.a

df[[‘a’,’b’]]

2.df.loc[[index],[colunm]] 通过标签选择数据

不对行进行筛选时，[index]处填 : (不能为空)，即df.loc[:,’a’]表示选取a列全部数据。

df.loc[0,’a’]

df.loc[0:1,[‘a’,’b’]]

df.loc[[0,2],[‘a’,’c’]]

3.df.iloc[[index],[colunm]] 通过位置选择数据

不对行进行筛选时，同df.loc[]，即[index]处不能为空。

df.iloc[0,0]

df.iloc[0:1,1:3]

df.iloc[[0,2],[1,3]]

4.df.ix[[index],[column]] 通过标签or位置选择数据

df.ix[]混合了标签和位置选择。需要注意的是，[index]和[column]的框内需要指定同一类的选择。

df.ix[[0:1],[‘a’,3]]

报错

5.多条件筛选

原表数据：

（1）使用“与”条件进行筛选

df1 = df.loc[(df['现价']>6)&(df['开板'] == 0)]

print(df1)

结果只有2条数据符合要求：

(2) 使用“或”条件进行筛选

df2 = df.loc[(df['现价']>10)|(df['连板'] >2)]

print(df2)

则有4条数据符合要求：（分别有2和6符合条件1，而0、1和2符合条件2）