系统：windows 7语言版本：anaconda3-4.3.0.1-windows-x86_64编辑器：pycharm-community-2016.3.2
本系列主要是关于实际项目中的自监控笔记，侧重于对采集的质量监控数据进行实时预警。今天我们将继续探讨如何从DataFrame中获取所需的行或列，主要涉及iloc的使用。今日歌曲：
Part 1：构建一个DataFrame
一个DataFrame可以视为一个二维表格，这个二维表格具有行标题和列标题，且每类标题可能不止一级。示例中通过一个字典构建一个DataFrame，并通过index参数指定行名称。
代码语言：Python 代码运行次数：0
import pandas as pd
dict1 = {"a": [1, 3, 5, 6], "b": [11, 12, 15, 16], "c": [22, 27, 29, 30], "d": [82, 87, 89, 80]}
df = pd.DataFrame(dict1, index=["x", "y", "z", "q"])
print("df= \n", df)运行结果
Part 2：行操作
直接使用iloc属性获取，loc可以理解为location，iloc可以理解为integer location。iloc依然紧跟一个[行，列]，中括号中放入所需的行索引和列索引，但行列索引只能使用整数，所以表示的是一种位置，起始位为0。若不对列进行筛选，则表示列信息的区域可以省略。若多于1行，可以使用一个列表表示对应的行信息，也可以使用切片操作。切片操作[1:3]表示的是[1, 2]，不包括结束位。
代码语言：Python 代码运行次数：0
df1 = df.iloc[[1, 3]]
print("\ndf1= \n", df1)
df11 = df.iloc[1:3]
print("\ndf11= \n", df11)运行结果
Part 3：列操作
使用iloc属性获取[:, 列]，其中的行使用:即可，即保持所有行信息，只筛选列信息。若多于1列，可以使用一个列表表示对应的列信息，也可以使用切片操作。
代码语言：Python 代码运行次数：0
df2 = df.iloc[:, [1, 3]]
print("\ndf2= \n", df2)
df22 = df.iloc[:, 1:3]
print("\ndf22= \n", df22)运行结果
Part 4：行列混合操作
就是以上两种的综合，[行，列]对应的行列信息都需要。当多于1行或者1列的时候，可以使用列表及切片操作。
代码语言：Python 代码运行次数：0
df3 = df.iloc[[1, 3], [1, 3]]
print("\ndf3= \n", df3)
df33 = df.iloc[1:3, 1:3]
print("\ndf33= \n", df33)运行结果
