# 這里用index做循環(huán),去每一行某一列的值，直接用 df.loc[index][column name] 即可
for j in raw.index:
    chs_map = china_map[china_map['city_name']==raw.loc[j]['MAP_CITY']]
    sjz_map = china_map[china_map['prv_name']==raw.loc[j]['MAP_PRV']]

# 這里取某一行某一列的值,得用函數(shù)，要么出來的是一個列表而非對應(yīng)位置的值
for j in raw['city'].unique()
    chs_map = china_map[china_map['city']==j]['MAP_CITY'].max()
    sjz_map = china_map[china_map['city']==j]['MAP_PRV'].max()

data2.loc[3,'hhd'] = 0

#      多個條件, 與或非 找到對應(yīng)的行， 后面要改的列，最后填值
HD.loc[(HD['STATUS']=='a'|(HD['STATUS']=='b'),'FLAG']=1

df[0:]	#第0行及之后的行，df的全部數(shù)據(jù)
df[:2]	#第3行之前的數(shù)據(jù)不包含第三行 左開右閉
df[0:1]	#第0行
df[1:3] #第2行到第3行（不含第4行）
df[-1:] #最后一行
df[-3:-1] #倒數(shù)第3行和倒數(shù)第2行,因為沒有-0,所以沒有最后一行

data2.loc['a','segments_name']  #  上面提到的直接取值
data2.loc['a',['segments_name','cnt_case_with_segment']] # 一行兩列轉(zhuǎn)置成個列表
data2.loc['a':'c',['segments_name','cnt_case_with_segment']]	 #選取第1行到第3行的數(shù)據(jù), 這里面是全閉區(qū)間 這里生成dataframe

data.loc[data['gender']=='m','name'] 	 #選取gender列是m，name列的數(shù)據(jù)
data.loc[data['gender']=='M',['name','age']] #選取gender列是m，name和age列的數(shù)據(jù)

df.loc['a','name'] = 'aa' #修改index為‘a(chǎn)'，column為‘name'的那一個值為aa。
df.loc['a'] = ['bb','ff',11] #修改index為‘s'的那一行的所有值。
df.loc['a',['name','age']] = ['bb',11]    #修改index為‘a(chǎn)'，column為‘name'的那一個值為bb，age列的值為11。

data2.iloc[0,0]		#第1行第1列的數(shù)據(jù)
data2.iloc[1,2]		#第2行第3列的數(shù)據(jù)
data2.iloc[[1,3],0:2]#第2行和第4行，從第1列到第2列（左閉右開不包含第3列）的數(shù)據(jù)
data2.iloc[1:3,[1,2]]	#第2行到第3行（不包含第1,4行），第2列和第3列的數(shù)據(jù)

df.iloc[1,2] = 19   #修改一無素
df.iloc[:,2] = [11,22,33] #修改一整列
df.iloc[0,:] = ['lily','F',15] #修改一整行

#at函數(shù)(使用索引值訪問單個元素)
df.at['a','A']
#iat函數(shù)(使用索引位置訪問單個元素)
df.iat[0,0]
#ix函數(shù)(loc與iloc的混合) 切片索引+普通索引同時使用時候的交叉索引
df.ix[0:2,'A':'C']