至少有6种方法可以检索大熊猫DataFrame中的元素：.iloc，.loc，.iat，.at，.ix ，并直接使用[]运算符。
他们之间有什么区别？他们如何处理丢失的标签/超出范围的位置？它们与Series查找有何不同？
答案 0 :(得分：0)
通常，您可以使用Series（.loc，.iloc，.ix和[]运算符）和{{1}的相同方法 - 具体的DataFrame和.iat来检索.at中的元素，语法为：
DataFrame在大多数情况下，新对象将是新newobj = df.method_choosen[row,column]
，在某些情况下是DataFrame，在其他情况下，它只是标量值。
一般规则是Series和.iloc[]按位置选择，.iat[]和.loc[]按标签选择，第一个参数是行（最终使用.at[]）和第二个（可选）参数的所有行都是列。
但请记住：
:，.ix和.iloc不同，.loc会在给定单个元素或turple时选择列（并且它不会接受第二个参数）。但是，当传递切片时，它会选择行！[]运算符的数据帧始终是标签，而不是从系列中选择，如果将整数传递给字符串索引系列，则将其解释为基于位置的查找。 []和.at只接受单个列和行值，如果传递切片或turple，则会出错。还有其他一些与系列查询“共享”的不一致之处：
.iat，只有列标题而没有行，（b）DataFrame，请求的数据显示为DataFrame或（c）其中一个例外NaN，KeyError，IndexError，ValueError。这是完整的表（几乎）所有可能性（使用pandas 0.17.1，NumPy 1.10.4，Python 3.4.3）。另请参阅equivalent question for Series。
TypeErrordi = pd.DataFrame(np.arange(100,120).reshape(5,4),index=[10,11,12,13,14],columns=[20,21,22,23])
di
20 21 22 23
10 100 101 102 103
11 104 105 106 107
12 108 109 110 111
13 112 113 114 115
14 116 117 118 119
** Single element ** ** Slice ** ** Tuple **
di[20] -> COL -> LAB -> {10:100,11:104,..,14:116} di[0:1] -> ROWS -> POS -> {10:{20:100,..,23:103}} di[[20,22]] -> COLS -> LAB -> {10:{20:100,22:102},..,14:{20:116,22:118}}
di[3] -> COL -> LAB -> KeyError di[200:202] -> ROWS -> POS -> df with column headers di[[20]] -> COLS -> LAB -> {10:{20:100},..,14:{20:116}} (df)
di[0,1] -> TypeError di[12:14] -> ROWS -> POS -> df with column headers di[[0]] -> COLS -> LAB -> KeyError
di[10,21] -> TypeError di[:,2] -> ROWS -> POS -> TypeError di[[10,11],[20,22]] -> TypeError
--- --- ---
di.ix[0] -> ROW -> LAB -> KeyError di.ix[0:1] -> ROWS -> LAB -> df with column headers di.ix[[20,22]] -> ROWS -> LAB -> {20:{20:NaN,..,23:NaN},22:{20:NaN,..,23:NaN}}
di.ix[13] -> ROW -> LAB -> {20:112,..,23:115}} di.ix[200:202] -> ROWS -> LAB -> df with column headers di.ix[[11,14]] -> ROWS -> LAB -> {11:{20:104,..,23:107},14:{20:116,..,23:119}}
di.ix[0,1] -> R/C -> LAB -> KeyError di.ix[12:14] -> ROWS -> LAB -> {12:{20:108,..,23:111},..,14:{20:116,..,23:119}} di.ix[[11]] -> ROWS -> LAB -> {11:{20:104,..,23:107}}
di.ix[10,21] -> R/C -> LAB -> 101 di.ix[:,20] -> ROW -> LAB -> {10:100,..,14:116} di.ix[[0]] -> ROWS -> LAB -> {20:{20:NaN,..,23:NaN}}
--- di.ix[:,20:22] -> R/C -> LAB -> {10:{20:100,22:102},..,14:{20:116,..,22:118}} di.ix[[10,11],[20,22]] -> R/C -> LAB -> {10:{20:100,22:102},11:{20:104,22:106}}
di.iloc[0] -> ROW -> POS -> {20:100,..,23:103} di.ix[10:14,20:22] -> R/C -> LAB -> {10:{20:100,22:102},..,14:{20:116,..,22:118}} di.ix[[16],[26]] -> R/C -> LAB -> {16:{26:NaN}}
di.iloc[13] -> ROW -> POS -> IndexError di.ix[10,:] -> COL -> LAB -> {20:100,..,23:103} ---
di.iloc[0,1] -> R/C -> POS -> 101 --- di.iloc[[20,22]] -> ROWS -> POS -> IndexError
--- di.iloc[0:1] -> ROWS -> POS -> {10:{20:100,..,23:103}} di.iloc[[11,14]] -> ROWS -> POS -> IndexError
di.loc[0] -> ROW -> LAB -> KeyError di.iloc[200:202] -> ROWS -> POS -> df with column headers di.iloc[[11]] -> ROWS -> POS -> IndexError
di.loc[13] -> ROW -> LAB -> {20:112,..,23:115} di.iloc[12:14] -> ROWS -> POS -> df with column headers di.iloc[[0]] -> ROWS -> POS -> {10:{20:100,..,23:103}}
di.loc[10,21] -> R/C -> LAB -> 101 di.iloc[0:1,2:3] -> R/C -> POS -> {10:{22:102}} di.iloc[[0],[1]] -> R/C -> POS -> {10:{21:101}}
--- di.iloc[6:8,6:8] -> R/C -> POS -> Empty df ---
di.iat[0] -> POS -> TypeError --- di.loc[[20,22]] -> ROWS -> LAB -> KeyError
di.iat[0,1] -> R/C -> POS -> 101 di.loc[0:1] -> ROWS -> LAB -> df with column headers di.loc[[11,14]] -> ROWS -> LAB -> {11:{20:104,..,23:107},14:{20:116,..,23:119}}
di.iat[0,15] -> R/C -> POS -> IndexError di.loc[200:202] -> ROWS -> LAB -> df with column headers di.loc[[11]] -> ROWS -> LAB -> {11:{20:104,..,23:107}}
di.iat[15,0] -> R/C -> POS -> IndexError di.loc[12:14] -> ROWS -> LAB -> {12:{20:108,..,23:111},..,14:{20:116,..,23:119}} di.loc[[0]] -> ROWS -> LAB -> KeyError
di.iat[15,15] -> R/C -> POS -> IndexError di.loc[10:11,20:21] -> R/C -> LAB -> {10:{20:100,21:101},11:{20:104,21:105} di.loc[[10],[21]] -> R/C -> POS -> {10:{21:101}}
--- di.loc[16:18,26:28] -> R/C -> LAB -> Empty df ---
di.at['a'] -> LAB -> ValueError --- di.iat[[0,1],[2,3]] -> R/C -> POS -> ValueError
di.at[10,21] -> R/C -> LAB -> 101 di.iat[0:1,2:3] -> R/C -> POS -> ValueError di.iat[[0],[2]] -> R/C -> POS -> ValueError
di.at[0,1] -> R/C -> LAB -> KeyError di.iat[0:1,2] -> R/C -> POS -> ValueError ---
di.at[0,21] -> R/C -> LAB -> KeyError di.iat[:,2] -> R/C -> POS -> ValueError di.at[[10,11],[22,23]] -> R/C -> LAB -> ValueError
di.at[10,0] -> R/C -> LAB -> KeyError di.iat[2,:] -> R/C -> POS -> ValueError
---
di.at[10:11,22:23] -> R/C -> POS -> ValueError
di.at[0:21,22] -> R/C -> POS -> ValueError
di.at[:,22] -> R/C -> POS -> ValueError
di.at[12,:] -> R/C -> POS -> ValueError