SQL中的select是根据列的名称来选取；Pandas则更为灵活，不但可根据列名称选取，还可以根据列所在的position（数字，在第几行第几列，注意pandas行列的position是从0开始）选取。相关函数如下：
1）loc，基于列label，可选取特定行（根据行index）；
2）iloc，基于行/列的position；
3）at，根据指定行index及列label，快速定位DataFrame的元素；
4）iat，与at类似，不同的是根据position来定位的；
5）ix，为loc与iloc的混合体，既支持label也支持position；
import pandas as pd
import numpy as np
df = pd.DataFrame({'total_bill': [16.99, 10.34, 23.68, 23.68, 24.59],
'tip': [1.01, 1.66, 3.50, 3.31, 3.61],
'sex': ['Female', 'Male', 'Male', 'Male', 'Female']})
# data type of columns
print(df.dtypes)
# indexes
print(df.index)
# return pandas.Index
print(df.columns)
# each row, return array[array]
print(df.values)
print(df)
print(df.loc[1:3, ['total_bill', 'tip']])
print(df.loc[1:3, 'tip': 'total_bill'])
print(df.iloc[1:3, [1, 2]])
print(df.iloc[1:3, 1: 3])
# 错误的表示：
print(df.loc[1:3, [2, 3]])#.loc仅支持列名操作
print(df.loc[[2, 3]])#.loc可以不加列名，则是行选择
print(df.iloc[1:3])#.iloc可以不加第几列，则是行选择总结
1）.loc,.iloc,.ix,只加第一个参数如.loc([1,2]),.iloc([2:3]),.ix[2]…则进行的是行选择
2）.loc,.at，选列是只能是列名，不能是position
3）.iloc,.iat，选列是只能是position，不能是列名
4）df[]只能进行行选择，或列选择，不能同时进行列选择，列选择只能是列名。