先看看离婚率，再520表白 之 DataFrame切片

　　#### 切片

　　切片的概念同前面Series中说到的切片一样，当我们要获取**连续的**多行或者多列数据的时候考虑使用切片。

　　切片也是获取多行或者多列数据的一种方式。

　　代码展示(大家可以注释其他的，逐个演示哦)：

　　```python

　　# 连续多行获取

　　row_list1 = data.loc['北京市':'吉林省']

　　print(row_list1)

　　row_list2 = data['北京市':'吉林省':2]

　　print(row_list2)

　　# 隐式连续多行

　　row_list3 = data.iloc[3:10]

　　print(row_list3)

　　# 隐式多列获取 (连续的列)

　　col_list2 = data.iloc[:,2:6]

　　print(col_list2)

　　# 指定步长

　　col_list3 = data.iloc[:,2:10:2]

　　print(col_list3)

　　# 指定行列和步长

　　data1 = data.iloc[2:15:2:2:10:3]

　　print(data1)

　　```

　　另外loc还可以支持bool列表的形式，我们使用一个简单的数据给大家展示。

　　```python

　　df = pd.DataFrame([[1, 2, 3,4], [4, 5, 6,7]], index=['row0', 'row1'], columns=['col0', 'col1', 'col2','col3'])

　　df.loc[[True,False]]

　　```

　　结果：　　

　　当然还可以有条件的获取，指定的行或者列。代码如下：

　　```python

　　df = pd.DataFrame([[1, 2, 3,4], [4, 5, 6,7], [8, 9, 10,11]], index=['row0', 'row1','row2'], columns=['col0', 'col1', 'col2','col3'])

　　df.loc[df['col1']>=5] # 获取col1列数值大于5的行

　　# df.loc[:,df.loc['row1']>5] # 获取row1值大于5的列

　　```　　

　　问题来啦!如果获取北京市2017年第1季度结婚登记的结婚数据如何获取呢?那就是元素获取了。

　　我们给大家分了如下几种获取方式：

　　> 先获取行在获取列，如：df.loc\["北京市"]["2017年第1季度结婚登记"]

　　>

　　> 先获取列在获取行，如：df\["2017年第1季度结婚登记"]["北京市"]

　　>

　　> 二维形式进行获取单个值，如：df.loc["北京市","2017年第1季度结婚登记"] 或者 df.iloc[行隐式索引,列隐式索引]

　　```

　　data.loc["北京市"]["2017年第1季度结婚登记"]

　　# data["2017年第1季度结婚登记"]["北京市"]

　　# data.loc["北京市","2017年第1季度结婚登记"]

　　```　　

　　总结： loc和iloc函数都是用来选择某行/列的，iloc与loc的不同是：iloc是按照行/列索引所在的位置来选取数据，参数只能是整数。而loc是按照索引名称来选取数据，参数类型依索引类型而定;

　　更多关于Python培训的问题，欢迎咨询千锋教育在线名师，如果想要了解我们的师资、课程、项目实操的话可以点击咨询课程顾问，获取试听资格来试听我们的课程，在线零距离接触千锋教育大咖名师，让你轻松从入门到精通。

　　注：本文部分文字和图片来源于网络，如有侵权，请联系删除。版权归原作者所有!