有趣的熊猫loc行为

Question

我附上了我正在使用的pd.DataFrame的屏幕截图，并且我在loc中发现了一些有趣的行为，对我来说这是违反直觉的，对我来说没有多大意义，因为在阅读了熊猫API之后，我认为它是等效的（例如，比loc更快）。

实际上，在二维数据框架中，我认为这些方法应该是等价的，但它们会产生不同的结果：

方法1

df.loc[label, column]

方法2

df.at[label, column]

方法3

df[column].loc[label]

Out [77]描述了表的结构，我觉得有趣的是输出方法df.loc [label，column]如何用于标签＆＃39; 3T19＆＃39;和栏目＃wing;＆＃39;当使用其他两种方法时，输出结果（我不理解和）与两种结果不一致，并且在任何其他标签上使用方法1时结果不同。

非常感谢您的耐心帮助，这一定是最基本的问题之一。

在Anaconda 2.1上运行Python 3.4 w pandas 0.14.1

---

问题可以通过以下方式重现：

import pandas as pd
belly = '216 3T19'.split()
wing1 = '2T15 4H19'.split()
wing2 = '416 4T20'.split()
mat = pd.to_datetime('2016-01-22 2019-09-07'.split())

tbondfly = pd.DataFrame({'wing1':wing1, 'wing2':wing2, 'mat':mat}, index=belly)
#             mat wing1 wing2
# 216  2016-01-22  2T15   416
# 3T19 2019-09-07  4H19  4T20