s.loc[labels]
df.loc[labels]

import numpy as np
import pandas as pd
arr = np.random.randint(0, 100, size=(5, 6))  # 二维数据
df = pd.DataFrame(data=arr, columns=list("ABCDEF"))
print(df)
# 访问某个元素
# 显式访问某个元素
print(df.loc[2, "C"])  # 行标签为2，列标签为C的元素
# 隐式访问某个元素
print(df.iloc[2, 2])  # 位于行3列3的元素

# 访问某几行/列
# 显式访问某一行/列
print(df.loc[3])  # 访问行索引为3的行
# 访问前两行
print(df.loc[[0,1]])
# 访问列标签为B的列,因为访问B列，所以B列对应各行访问是全访问，通过: 表示全访问
print(df.loc[:,["B"]])
# 访问列标签为B的列,也可以如下明确写为0:4
print(df.loc[0:4,["B"]])
# 访问列标签为B的列,因为访问的就一列，所以可以去除方括号[]
print(df.loc[:,"B"])

# 切片方式访问某几行某几列
# 访问行1到2，列B到E（行列两端都包含）
print(df.loc[1:2,"B":"E"])

# 索引列表方式访问，通过[]设置行、列分别要访问的具体行/列索引列表
print(df.loc[[1,3], ["A", "C", "D"]])  # 访问第1、3行对应ACD列的数据
# 通过布尔值访问方式
# 就是把整个对象中要访问的元素标签设置为True，不访问的设置为Fales
# 布尔值方式访问前两行
print(df.loc[[True, True, False, False, False]])
# 布尔值方式访问1、3行对应的CF列
print(df.loc[[False, True, False, True, False], [False, False, True, False, False, True]])

# 字典访问
df = pd.DataFrame(data=np.random.randint(0, 50, size=(3, 4)), index=list("XYZ"), columns=list("ABCD"))
print(df)
print(df["A"])  # 访问列标签为A的列
print(df[["B", "D"]])  # 访问列标签为BD的列
print(df["C"]["X"])  # 访问行标签为X的行，列标签为C的元素

# 匹配各个元素的条件判断
condition = df > 50
print(condition, type(condition))  # 此时condition是一个DataFrame对象
print(df[condition])  # 这样打印出来的结果就是符合条件的元素，不符合的用NaN填充了
# 如果想用特定的值填充，可以如下
print(df[condition].fillna(200))
# 用where()方法
new_df = df.where(condition)  # 默认用NaN填充
print(new_df)
new_df = df.where(condition, "C")  # 用C填充
print(new_df)

# 行筛选的条件判断
print(df)
condition = df["A"] > 60  # 筛选列标签为A的列中大于60的布尔值列表
print(condition)
print(type(condition))  # 此时condition是一个Series对象，该对象的布尔值对应了A列中各行元素是否满足条件
print(df[condition])  # 筛选出符合condition条件的行
# 用where()方法
new_df = df.where(condition)  # 默认用NaN填充
print(new_df)
new_df = df.where(condition, "ABC")  # 用ABC填充
print(new_df)

df = pd.DataFrame(data=np.random.randint(0,100,size=(5,4)), columns=list("ABCD"))
print(df)
# 找出A列大于60的行
print(df.query("A > 60"))
# 找出A列大于20且B列也大于20的行
print(df.query("A > 20 and B > 20"))
df.loc[1,"B"] = 36
print(df)
# 找出B列中等于36的行
print(df.query("B == 36"))

# 使用filter()方法:只用来筛选行名或列名
df_data = np.random.randint(0,100,size=(5,7))
df_index = ["A1", "A2", "B1", "C1", "C2"]
df_columns = ["X1", "Y1", "Y2", "Y3", "Y4", "Z1", "Z2"]
df = pd.DataFrame(df_data,df_index,df_columns)
print(df)
# 筛选A1，C2行
print(df.filter(items=["A1", "C2"], axis=0))
print("按之前学过的知识，还可以如下使用loc[]：")
print(df.loc[["A1", "C2"]])

# 筛选列标签中包含Y的列
print(df.filter(regex="Y", axis=1))