<think>根据用户的问题，用户已经知道如何使用pandas读取Excel文件的指定工作表，现在需要了解如何获取DataFrame对象的值。 从引用中可以看出，用户已经通过pd.read_excel读取了Excel文件，并将结果存储在DataFrame对象df中。 用户现在需要知道如何从df中获取数据。 在pandas中，DataFrame是一个二维表格数据结构，可以通过多种方式获取其中的值： 1. 获取整个DataFrame的数据（以二维数组形式） 2. 获取某一列的数据 3. 获取某一行的数据 4. 获取特定位置（单元格）的数据 5. 获取多行多列的数据（切片） 我将按照这些方面进行说明，并给出示例代码。 注意：用户提供的引用[4]中已经展示了读取指定sheet的方法，所以这里我们假设df已经是一个DataFrame对象。 步骤： 1. 读取Excel文件，指定工作表（sheet）并得到df。 2. 展示如何获取整个数据、列、行、单元格等。 由于用户的问题是关于获取DataFrame的值，我将重点放在第二部分。 另外，根据系统指令，数学公式使用$...$，独立公式用$$...$$，但在这个问题中可能用不到复杂的数学公式，所以主要用代码示例。 同时，回答最后要生成相关问题。 下面开始组织回答： </think> ### 如何获取 Pandas DataFrame 对象的值 在 Python 中使用 Pandas 读取 Excel 文件的指定工作表后，可以通过以下方式获取 DataFrame 对象 `df` 的值： #### 1. **查看整个 DataFrame** ```python # 读取指定工作表（示例） df = pd.read_excel("data.xlsx", sheet_name="Sheet1") # 打印整个 DataFrame print(df) # 默认显示前5行和后5行 ``` #### 2. **提取列数据** ```python # 获取单列数据（返回 Series 对象） column_data = df["列名"] # 例如 df["姓名"] # 获取多列数据（返回子 DataFrame） columns_data = df[["列名1", "列名2"]] # 例如 df[["姓名", "年龄"]] ``` #### 3. **提取行数据** ```python # 按位置获取行（索引从0开始） row_data = df.iloc[行号] # 例如 df.iloc[0] 获取第一行 # 按条件筛选行 filtered_rows = df[df["列名"] > 值] # 例如 df[df["年龄"] > 30] ``` #### 4. **获取特定单元格值** ```python # 通过行列位置 cell_value = df.iloc[行号, 列号] # 例如 df.iloc[0, 1] 获取第一行第二列 # 通过行列标签 cell_value = df.at[行标签, "列名"] # 例如 df.at[3, "姓名"] ``` #### 5. **转换为原生数据结构** ```python # 转换为字典列表（每行一个字典） dict_list = df.to_dict("records") # [{"列1":值1, "列2":值2}, ...] # 转换为 NumPy 数组 numpy_array = df.values # 二维数组 ``` #### 6. **遍历数据** ```python # 遍历行 for index, row in df.iterrows(): print(row["列名"]) # 获取当前行指定列的值 # 遍历列 for column_name in df.columns: print(df[column_name]) # 打印整列数据 ``` #### 完整示例 ```python import pandas as pd # 读取指定工作表 df = pd.read_excel("data.xlsx", sheet_name="员工信息") # 获取所有数据 print("完整数据表:") print(df) # 获取年龄列数据 print("\n年龄列数据:") print(df["年龄"]) # 获取年龄大于30的员工 print("\n30岁以上员工:") print(df[df["年龄"] > 30]) # 获取第2行第3列的单元格值 print("\n特定单元格值:", df.iloc[1, 2]) ``` **关键说明**： 1. 使用 `df.iloc[]` 按**位置索引**（整数索引） 2. 使用 `df.loc[]` 按**标签索引**（行列名称） 3. 使用 `df.at[]` 和 `df.iat[]` 快速访问**标量值** 4. 通过 `df.values` 可直接获取原始 NumPy 数组[^1][^2][^4]