#### 切片

　　切片的概念同前面Series中說(shuō)到的切片一樣，當(dāng)我們要獲取**連續(xù)的**多行或者多列數(shù)據(jù)的時(shí)候考慮使用切片。

　　切片也是獲取多行或者多列數(shù)據(jù)的一種方式。

　　代碼展示(大家可以注釋其他的，逐個(gè)演示哦)：

　　```python

　　# 連續(xù)多行獲取

　　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)

　　# 隱式連續(xù)多行

　　row_list3 = data.iloc[3:10]

　　print(row_list3)

　　# 隱式多列獲取 (連續(xù)的列)

　　col_list2 = data.iloc[:,2:6]

　　print(col_list2)

　　# 指定步長(zhǎng)

　　col_list3 = data.iloc[:,2:10:2]

　　print(col_list3)

　　# 指定行列和步長(zhǎng)

　　data1 = data.iloc[2:15:2:2:10:3]

　　print(data1)

　　```

　　另外loc還可以支持bool列表的形式，我們使用一個(gè)簡(jiǎn)單的數(shù)據(jù)給大家展示。

　　```python

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

　　df.loc[[True,False]]

　　```

　　結(jié)果：　　

　　當(dāng)然還可以有條件的獲取，指定的行或者列。代碼如下：

　　```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] # 獲取col1列數(shù)值大于5的行

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

　　```　　

　　問(wèn)題來(lái)啦!如果獲取北京市2017年第1季度結(jié)婚登記的結(jié)婚數(shù)據(jù)如何獲取呢?那就是元素獲取了。

　　我們給大家分了如下幾種獲取方式：

　　> 先獲取行在獲取列，如：df.loc\["北京市"]["2017年第1季度結(jié)婚登記"]

　　>

　　> 先獲取列在獲取行，如：df\["2017年第1季度結(jié)婚登記"]["北京市"]

　　>

　　> 二維形式進(jìn)行獲取單個(gè)值，如：df.loc["北京市","2017年第1季度結(jié)婚登記"] 或者 df.iloc[行隱式索引,列隱式索引]

　　```

　　data.loc["北京市"]["2017年第1季度結(jié)婚登記"]

　　# data["2017年第1季度結(jié)婚登記"]["北京市"]

　　# data.loc["北京市","2017年第1季度結(jié)婚登記"]

　　```　　

　　總結(jié)： loc和iloc函數(shù)都是用來(lái)選擇某行/列的，iloc與loc的不同是：iloc是按照行/列索引所在的位置來(lái)選取數(shù)據(jù)，參數(shù)只能是整數(shù)。而loc是按照索引名稱(chēng)來(lái)選取數(shù)據(jù)，參數(shù)類(lèi)型依索引類(lèi)型而定;

　　更多關(guān)于Python培訓(xùn)的問(wèn)題，歡迎咨詢(xún)千鋒教育在線(xiàn)名師，如果想要了解我們的師資、課程、項(xiàng)目實(shí)操的話(huà)可以點(diǎn)擊咨詢(xún)課程顧問(wèn)，獲取試聽(tīng)資格來(lái)試聽(tīng)我們的課程，在線(xiàn)零距離接觸千鋒教育大咖名師，讓你輕松從入門(mén)到精通。

　　注：本文部分文字和圖片來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除。版權(quán)歸原作者所有!