### 如何使用Python Pandas生成DataFrame对象并完成特定的数据选取操作 #### 创建DataFrame对象 可以通过字典数据创建`DataFrame`对象，并为其指定自定义行索引。以下是具体实现方式： ```python import pandas as pd # 字典数据 data = {"name": ["Tom", "Jerry", "Lucy"], "age": [10, 12, 13]} # 设置自定义行索引 df = pd.DataFrame(data, index=["a", "b", "c"]) print(df) ``` 上述代码中，通过传递字典作为`data`参数来构建`DataFrame`对象[^1]。同时指定了自定义行索引`index=["a", "b", "c"]`。 --- #### 获取某一列数据 要获取某一列的数据，可以直接通过列名访问该列的内容： ```python # 方法1：通过方括号访问列 column_data_1 = df["name"] print(column_data_1) # 方法2：通过点运算符访问列 column_data_2 = df.name print(column_data_2) ``` 这两种方法均返回对应列的`Series`对象[^3]。 --- #### 使用两种方法获取某一行数据 获取某一行数据有多种方法，以下是其中两种常用的方式： ##### 方法1：基于位置的索引 `.iloc[]` `.iloc[]` 是基于整数位置的索引工具，适用于按照行的位置提取数据： ```python row_by_position = df.iloc[1] print(row_by_position) ``` 此处 `df.iloc[1]` 表示获取第二行（注意索引起始为0）的数据[^2]。 ##### 方法2：基于标签的索引 `.loc[]` `.loc[]` 是基于行索引标签的索引工具，适合按照自定义行索引来提取数据： ```python row_by_label = df.loc["b"] print(row_by_label) ``` 这里 `df.loc["b"]` 返回的是行索引为 `"b"` 的那一行数据[^1]。 --- #### 获取特定单元格值 如果需要获取某个具体的单元格值，可以结合 `.loc[]` 或 `.at[]` 来实现： ##### 方法1：使用 `.loc[]` `.loc[]` 可以接受行列组合的形式定位到单个单元格： ```python cell_value_loc = df.loc["b", "age"] print(cell_value_loc) ``` 此代码表示获取行索引为 `"b"`、列为 `"age"` 的单元格值[^1]。 ##### 方法2：使用 `.at[]` 对于更高效的单一值读取，推荐使用 `.at[]` 方法： ```python cell_value_at = df.at["b", "age"] print(cell_value_at) ``` 两者功能一致，但 `.at[]` 性能更高。 --- #### 筛选符合条件的多列数据 假设我们希望筛选出年龄大于等于12岁的记录，并仅显示这些记录中的姓名和年龄两列，可以如下操作： ```python filtered_data = df[df["age"] >= 12][["name", "age"]] print(filtered_data) ``` 这段代码分为两个部分： 1. `df["age"] >= 12` 构建了一个布尔条件； 2. `[["name", "age"]]` 提取出满足条件后的指定列[^3]。 --- ### 示例完整代码 综合以上内容，完整的代码片段如下所示： ```python import pandas as pd # 数据准备 data = {"name": ["Tom", "Jerry", "Lucy"], "age": [10, 12, 13]} df = pd.DataFrame(data, index=["a", "b", "c"]) # 1. 获取某一列数据 print("Column 'name':\n", df["name"]) # 2. 获取某一行数据 print("\nRow by position:\n", df.iloc[1]) print("\nRow by label:\n", df.loc["b"]) # 3. 获取特定单元格值 print("\nCell value using .loc:", df.loc["b", "age"]) print("Cell value using .at:", df.at["b", "age"]) # 4. 筛选符合条件的多列数据 print("\nFiltered Data:") print(df[df["age"] >= 12][["name", "age"]]) ``` ---