索引
1.根据索引取值
*# BOOL列表访问默认访问的是行，而不是列
2.行索引
2.1 通过标签索引行数据loc
对列进行索引 - 通过类似字典的方式- 通过属性的方式，loc方法通过标签或者bool数组选取一些行和列，
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。
2.2 iloc 通过位置获取行数据
使用.ix[]来进行索引; 使用.loc[]加index来进行索引;使用.iloc[]加整数来进行索引， 同样返回一个Series，index为原来的columns；
iloc方法通过下标（即整数）访问一些行或者列，只是把loclocloc方法中采用的标签索引改成下表访问了而已；
3.设置单索引和复合索引set_index
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
append添加新索引，drop为False，inplace为True时，索引将会还原为列
总结：
显式访问：
列访问：
1. 列访问可以直接使用中括号访问，也可以使用[列标签列表]访问
2. 但是使用BOOL列表默认访问的是行
3. 多列访问： df.loc[:,BOOL列表]
4. 属性访问: df.col_name
行访问：
1. df.loc[row_name] df.loc[[row_name1, row_name2…]]
2. 使用BOOL列表访问 df.loc[BOOL列表] df[BOOL列表]
元素访问
1. df.loc[row_name, col_name]
隐式访问：所有的逻辑都要使用iloc解决，解决模式与二维数组完全一致
行: df.iloc[row_index] df.iloc[row_index列表]
列: df.iloc[:, col_index] df.iloc[:, col_index列表]
元素: df.iloc[row_index, col_index]
4.切片
行切片
df.loc[]
直接使用[]进行行切片
列切片
df.loc[]
直接使用[]时， 索引是列索引，切片是行切片
切片参考链接
编者寄：文章面向小白也可能会被行业前辈看到，为避免知识误导，若文章有错误，还请过路朋友指出，末学好及时更正，评论区见～
整理于学习资料，比心图片来源网络；
