刚开始用pandas处理数据的人，大概率都会在DataFrame这一步犯迷糊——明明数据已经读进来了，想取几行几列却总是报错，要么取出来是个视图改不动，要么直接噼里啪啦一堆警告。别问我怎么知道的，我当年学的时候也是被loc和iloc绕得头晕。今天这篇就专门讲透第2关：DataFrame数据选择方法。
所谓数据选择，说白了就是"怎么从一张表里精准地掏出你想要的那部分数据"。它是一切数据处理、清洗、分析的前提，因为后面你做的所有操作——筛选、分组、透视、画图——本质上都是在"选择"的基础上展开的。这篇文章适合刚接触pandas的初学者，也适合那些已经会df[...]但搞不清loc、iloc区别、经常被SettingWithCopyWarning教训一顿的进阶选手。我会把每一种选择方法的使用场景、背后原理、常见坑位都摊开来讲，全程配代码，你可以直接复制到Jupyter或VS Code里跑。
1. 为什么DataFrame选择方法这么让人头大
1.1 本质原因：表有两个坐标系
先说个最简单的类比。你去图书馆找一本书，有两种方式：一种是按书名找（标签），一种是按书架位置找（位置编号）。同一本书你既可以用"《Python数据分析》"这个名字找到它，也可以用"3楼A区第2排第5本"这个坐标找到它。
DataFrame也一样，每个元素都有两套坐标体系：
- 标签坐标：行索引（index）和列名（columns），比如行叫"张三"、"李四"，列叫"语文"、"数学"。
- 位置坐标：也就是从0开始数的整数序号，第0行、第1行，第0列、第1列。
pandas为了让这两套坐标都可用，设计出了loc（label-based，按标签）和iloc（integer-based，按位置）两个阵营。初学者最常犯的错，就是拿标签当位置用，或者反过来。我见过有人写df.iloc['a']，结果报错说'a'不是整数——这就是没分清楚两个坐标系。
1.2 选择方法虽多，但各有各的用武之地
除了loc和iloc，DataFrame还有直接方括号df[]、布尔条件筛选、at/iat快速取值、query字符串查询等方法。你可能觉得方法怎么这么多，选一个不就行了？
真不行。举个实际场景：你想按"某列大于某个值的所有行"，方括号能做到，但写法别扭；你想取"第3行第5列"这个单值，用loc能做但性能一般，iat才是最优解。每种方法都有自己的舒适区，用对地方效率高、代码清晰，用错地方轻则报错重则静默出错。
我觉得可以把这些方法归纳成一张"选型表"：
| 场景 | 推荐方法 | 为什么 |
|---|---|---|
| 按行名/列名取数据 | loc | 标签语义清晰，切片含尾 |
| 按行号/列号取数据 | iloc | 纯位置定位，切片不含尾 |
| 取单列（返回Series） | df['列名']或df.列名 | 语法最简 |
| 条件筛选多行 | 布尔索引df[df['列'] > 阈值] | 直观可读 |
| 取单个标量值 | at/iat | 速度最快，不产生副本 |
| 复杂且可复用的查询 | query() | 字符串表达式，代码更短 |
这张表你贴在手边，练习的时候拿不准就回来查，用不了几次就熟了。
2. 核心选择方法逐个拆解
2.1loc：按标签选择的"闭区间"杀手
loc是pandas里最常用也最好理解的标签选择器。它的完整语法是df.loc[行选择器, 列选择器]，逗号左边管行，右边管列，中间逗号别漏。
它支持的选择器类型很丰富：
- 单个标签：
df.loc['张三'] - 标签列表：
df.loc[['张三', '李四']] - 切片（注意！含尾）：
df.loc['张三':'王五']，这个切片会同时包含"王五"这一行 - 布尔数组：
df.loc[df['语文'] > 60] - 可调用函数：
df.loc[lambda df: df['数学'] > 90]
这里最反直觉的就是切片含尾这件事。Python原生的切片比如list[1:3]是不含索引3的，但loc的切片左右都包含。原因是标签本身没有"下一个"的概念——字符串之间没法像整数那样直接算谁是谁的下一个，所以pandas干脆做了闭区间处理。
我第一次用的时候就在这翻过车：想取df.loc['2024-01-01':'2024-01-05']这5天数据，结果取出来发现自己把2024-01-05也包含进去了，还纳闷怎么多了一天。后来才明白，只要你的行索引是日期、字符串这些连续标签，loc切片就默认把两端全部包含。
2.2iloc：按位置选择的"前闭后开"老派风格
iloc走的是纯整数位置路线，和Python原生的切片习惯保持一致：左含右不含。df.iloc[0:3]取的是第0、1、2行，没有第3行。
它的场景很明确：不关心行叫什么名字，只关心它在表格里的物理位置。比如你想看前5行数据，df.iloc[:5]；想看最后3行，df.iloc[-3:]；想取第2行到第4行、第1列到第2列，df.iloc[1:4, 0:2]。
我自己实际工作中iloc用得比loc少一些，因为真实数据分析任务里，熟人名、熟列名的情况远多于"数第几行"。但有两个场景非它不可：
- 数据探索阶段，快速看前几行或中间某段，
df.iloc[100:120]比df.loc要省事。 - 处理流水线数据时，行号具有实际物理意义（比如分批数据的前N行），这时候位置定位最靠谱。
还有一个容易踩的坑：iloc不支持布尔数组直接传入（其实是支持的，但要求是位置型的布尔序列）。有些新手把df.iloc[df['语文'] > 60]写出来，pandas会一头雾水，因为iloc只认整数位置，不认条件。条件筛选请去找df[]或loc。
2.3 方括号df[]：最直接的列选择器
df['列名']是最早接触到的选择方式，它的底层语义是"按列名取列"。传入单列返回Series，传入列表返回DataFrame：
# 返回Series df['语文'] # 返回DataFrame，注意有两层方括号 df[['语文', '数学']]这里有个小细节：取单列时返回的是Series，如果你要的不是Series而是"只有一列的DataFrame"，必须用双括号df[['语文']]。这两者在后续操作中行为差别很大——Series很多方法返回的是标量或Series，而DataFrame始终是二维结构。我在写聚合统计的时候经常因为类型搞错，链式调用半天报错，一查发现是单列DataFrame当Series用了。
方括号还有一个隐藏用法，就是传入布尔数组进行行筛选，df[df['语文'] > 60]其实等价于df.loc[df['语文'] > 60]。这个用法在教程里经常和列选择混在一起讲，导致新手搞不清方括号到底是选行还是选列。其实可以这样记：
- 方括号里是列名或列名列表→ 选列
- 方括号里是布尔Series/数组→ 选行（按条件过滤）
- 方括号里是可以解释为布尔数组的表达式→ 也是选行
这个二元性让df[]显得很灵活，但也容易引发混淆。如果拿不准，我建议统一走df.loc，它行列分离，语义清楚，不容易出歧义。
2.4 布尔筛选：条件选择的灵魂
真正体现"选择"威力的，不是按标签或位置取数，而是按条件取数。DataFrame的布尔筛选逻辑是这样的：
- 构造一个与DataFrame行数相同的布尔Series，每个元素对应一行数据是否满足条件。
- 把这个布尔Series传给
df[]或loc，pandas就会保留所有True对应的行。
比如筛选语文成绩大于60且数学成绩大于90的学生：
df[(df['语文'] > 60) & (df['数学'] > 90)]这里有两个反人类的设计必须提醒：
第一，逻辑与用&而不是and，逻辑或用|而不是or。因为and/or是Python关键字，只对单个布尔值生效，而这里的比较结果是Series（一整套布尔值），必须用按位运算符&和|。新手最容易在这里栽跟头。
第二，多条件必须加括号。df['语文'] > 60 & df['数学'] > 90会报错，因为Python的运算符优先级里&比>高，得写成(df['语文'] > 60) & (df['数学'] > 90)。
布尔筛选还可以配合isin方法做集合匹配，这个在实际工作里非常常见。比如你要找出所有属于"北京、上海、广州"三个城市的记录：
df[df['城市'].isin(['北京', '上海', '广州'])]这段代码比用多个|连接条件要清爽得多，也更容易维护——条件城市列表可以单独抽出来变成一个变量，后面加城市只改列表就行。
2.5at、iat、query：提升效率和可读性的三件套
at和iat是loc和iloc的"单值特化版"。它们的定位是：当你只需要取或者改一个元素的时候，用它们会比loc/iloc快很多，而且代码语义更明确。
# 按标签取单值 df.at['张三', '语文'] # 按位置取单值 df.iat[0, 1]实测下来，在大数据框上循环逐元素访问的场景（虽然一般不建议循环，但有时绕不开），at比loc快一个数量级。原因是at做了严格的单元素优化，绕开了切片、复制、索引对齐这一大堆开销。
query则是把查询条件写成字符串，引擎内部解析后执行过滤。它适合条件复杂且需要反复使用的场景，配合f-string还能动态构造查询：
df.query('语文 > 60 and 数学 > 90') df.query('城市 in ["北京", "上海"]') # 动态传入阈值 threshold = 85 df.query(f'数学 > {threshold}')query不但在代码长度上更短，还有一个隐藏优势：列名可以直接写在字符串里，不用反复用df['列名']，代码读起来更像SQL，团队协作时理解成本低。但注意，query里引用列名时如果列名带空格或特殊字符，需要用反引号包裹。
3. 实操过程：从零到一跑通数据选择
3.1 先造一份测试数据
纸上谈兵没意思，我们来点真能跑的。我建议你边看边在Notebook里敲，先造一份模拟的学生成绩表：
import pandas as pd import numpy as np data = { '姓名': ['张三', '李四', '王五', '赵六', '钱七'], '班级': ['A1', 'A1', 'A2', 'B1', 'B2'], '语文': [78, 92, 66, 58, 88], '数学': [85, 97, 72, 60, 91], '英语': [69, 88, 80, 55, 76], } df = pd.DataFrame(data) df = df.set_index('姓名') print(df)这里我用set_index('姓名')把姓名列变成行索引，是为了方便演示loc的标签切片。打印出来是这样一个表：
班级 语文 数学 英语 姓名 张三 A1 78 85 69 李四 A1 92 97 88 王五 A2 66 72 80 赵六 B1 58 60 55 钱七 B2 88 91 76这个数据集只有5行，但足够跑通所有选择方法了。
3.2 按标签和位置取数的完整练习
先来loc系列：
# 取单行 df.loc['张三'] # 取多行（列表） df.loc[['张三', '王五']] # 标签切片，含头含尾！ df.loc['张三':'王五'] # 同时选行和选列 df.loc['张三': '王五', ['语文', '数学']]再来看iloc系列：
# 取前3行 df.iloc[0:3] # 取第1行到第3行、第0列到第1列（不含第3行第1列？注意是前三行前两列） df.iloc[1:3, 0:2] # 用位置取第二行的数学成绩 df.iloc[1, 2] # 输出 97如果你把df.loc['张三':'王五']和df.iloc[0:3]的结果对比一下，会发现它们都返回了三行，但语义完全不同：前者包含了"王五"这一行，后者恰好取到前3行。当你的索引是连续整数时（比如默认的0、1、2...），这两个写法经常看起来结果一样，于是很多人误以为loc和iloc没区别。一旦索引变成字符串或日期，差别马上就暴露了。
我强烈建议你做一个小实验：把上面的set_index('姓名')去掉，直接用默认整数索引跑一遍df.loc[0:2]和df.iloc[0:2]，再观察结果差异。跑过一次之后，你对两种切片的边界规则会有肌肉记忆。
3.3 条件筛选组合实战
接下来是布尔筛选。单独筛、交叉筛、反向筛，全部来一遍：
# 语文及格的同学 df[df['语文'] >= 60] # 语文和数学都超过80的尖子生 df[(df['语文'] > 80) & (df['数学'] > 80)] # 语文不及格或英语不及格 df[(df['语文'] < 60) | (df['英语'] < 60)] # 反向筛选：不是A1班的同学 df[~(df['班级'] == 'A1')]注意最后那个反向筛选用了波浪号~做取反操作，这对应布尔Series的逐元素取反~True = False。很多新手想写"不等于"，直接用df[df['班级'] != 'A1']，这样当然也可以，但在批量条件组合的场景中~更通用。
再来一个loc加布尔条件的混合用法：
# 取数学成绩前两名的同学的姓名和英语成绩 df.loc[df['数学'] > 90, ['姓名', '英语']]这里loc的行位置传的是布尔Series，列位置传的是列名列表，pandas会自动完成布尔筛选加列选择两个动作。
最后用query重写一遍，你看看代码短了多少：
df.query('语文 > 80 and 数学 > 80') df.query('班级 != "A1" and 英语 < 80')3.4 真正项目里的组合姿势
上面都是基础招式，但实际工作里很少只用一个方法，多数情况是组合着来。分享一个我处理过的模拟场景，这个"某团队运营数据"的例子很能说明问题：
# 模拟一份订单数据 orders = pd.DataFrame({ '订单号': ['A001', 'A002', 'A003', 'A004', 'A005'], '城市': ['北京', '上海', '广州', '北京', '深圳'], '金额': [150, 3200, 89, 450, 2100], '状态': ['已完成', '已完成', '已取消', '已完成', '已完成'], }) # 找出北京和上海的已完成订单，金额大于100的部分 target = orders[ (orders['城市'].isin(['北京', '上海'])) & (orders['状态'] == '已完成') & (orders['金额'] > 100) ] print(target)这段代码用到了isin、==和>三个条件，再叠加&连接，一条链就把数据筛出来了。如果你嫌条件太长，可以先逐步构造布尔Series，再统一筛选：
city_ok = orders['城市'].isin(['北京', '上海']) status_ok = orders['状态'] == '已完成' amount_ok = orders['金额'] > 100 filtered = orders[city_ok & status_ok & amount_ok]这种方式的可读性更好，而且方便你在中间打印city_ok看看布尔Series长什么样。我个人很推荐新手用这种"拆步骤"写法，既能每一步验证结果，又不容易错。
4. 常见问题与排查技巧实录
4.1SettingWithCopyWarning到底在警告什么
pandas里最著名的幽灵警告非它莫属。我第一次遇到的时候，代码能跑、结果也正常，但控制台全是黄字警告，心里很不踏实。这个警告的触发场景一般是链式索引赋值：
# 这种写法容易触发警告 df[df['语文'] > 60]['英语'] = 100原因很简单：df[df['语文'] > 60]返回的可能是一个视图（view）也可能是一个副本（copy），pandas自己都不确定。如果它是视图，你的修改会改动到原表；如果它是副本，你的修改只作用于临时数据，原表原地不动。两种行为都有可能，所以pandas干脆警告你："我不保证你改的是哪一份数据。"
解决办法是永远用loc一步到位：
df.loc[df['语文'] > 60, '英语'] = 100这行代码明确告诉pandas：我要把"语文及格的人"的"英语列"改成100，顺序清晰，pandas也就能确定执行的是原地修改。这个习惯建议从第一天就养成，后面能省大量排查时间。
4.2loc切片含尾、iloc切片不含尾，记不住怎么办
这是新手高频翻车点，有个记忆诀窍：把"含尾的loc"想成"闭区间"，把"不含尾的iloc"想成"开区间"。
- 凡是按名字切的，都是"从头到尾算上"——因为你不知道"王五"的下一个标签是谁，pandas没法偷偷帮你排除"王五"。
- 凡是按序号切的，都跟Python原生一致——0到3就是0、1、2。
如果你在切片代码里发现结果总比你预想的多一行，第一反应就该检查用的是不是loc；如果总是少一行，检查是不是iloc。
还有一个小技巧：如果你不确定某个取数操作的结果，先打印出来看shape属性。看到行数不对就调整切片边界，这比空想快得多。
4.3 筛选结果全是NaN或空表，多半是条件没匹配上
有的新手写完条件筛选，返回的DataFrame全是一堆NaN，或者行数为0。常见原因有两个：
原因一是列名写错了或者列名有隐藏空格。比如df['城市 ']（城市后面多了个空格）匹配不上真实列，返回全NaN。排查方法是df.columns.tolist()把列名原样打出来，肉眼对一遍。
原因二是数据类型不对。你在Excel里看到的"001"可能在pandas里存成了整数1，然后你用字符串'001'去筛，当然筛不中。这时候先用df.dtypes检查列类型，必要时用astype(str)统一转换。
还有一个典型坑是用query时字符串引号嵌套。df.query("城市 == '北京'")外层用双引号内层用单引号，如果你反过来写df.query('城市 == "北京"')其实也可以，但要是条件里既有单引号的内容又有双引号的内容，就很容易在转义上翻车。我建议统一外层单引号、内层双引号的写法，避免混乱。
4.4 修改DataFrame时改了没反应？多半改在副本上
另一个常见现象是：你写df[df['语文'] > 60].loc['张三', '英语'] = 99，运行不报错，但回头看原表还是旧值。原因还是副本问题——筛选那一步就已经产生了一个新DataFrame，后面所有操作都作用在这个临时对象上，原表纹丝不动。
正确的姿势同样是把所有选择合并到一次loc调用里：
df.loc[df['语文'] > 60, '英语'] = 99如果这个坑你已经踩过，我把这条建议写得再直白一点：任何时候你想"先选再改"，都写成"一次loc完成选择+赋值"，不要写成两步。这不是风格问题，是pandas内部机制决定的。
5. 卡壳时最有效的几个自测习惯
学数据选择最大的障碍不是语法难，而是"看起来会了但一跑就错"。我自己带过不少人学pandas，发现学得快的人都有一个共同习惯：每写一行选择代码，就立刻打印输出看一眼形状和数据样貌。不要连着噼里啪啦写十行再跑，那样出错都不知道出在哪一步。
比如你写df.loc['张三':'王五', ['语文', '数学']]，跑完立刻打印shape，看到(3, 2)就知道行列数对不对；再打印前两行，确认内容是否符合预期。这个习惯能让你在五分钟内排除八成低级错误。
另外，个人强烈建议你养成用copy()的习惯。当你明确知道自己要基于筛选结果做进一步的独立操作时，先复制一份：
sub = df[df['语文'] > 60].copy()copy()的作用是切断视图与原表的关联，让sub变成一块全新的独立数据。后续你对sub怎么改都不会影响df，也不用担心莫名其妙的警告。虽然多了一次内存复制，但换来的是心智上的绝对安全。
最后再分享一个小技巧，也是我最常用的一个调试姿势：当你搞不清某段选择逻辑对不对时，把里面的条件单独抽出来跑一遍，打印这个布尔Series的value_counts()。比如：
condition = df['语文'] > 60 print(condition.value_counts())看到True和False的分布，你就能快速判断筛选条件是否符合预期，比直接盯着筛选结果猜快得多。这个习惯我用了很多年，不管是几行的小表格还是几百万行的大数据，排查效率都稳得很。把这第2关的内容练熟，后面处理聚合、分组、透视就都不会再因为"取不出数据"而卡壳了。
