我很好奇为什么df[2]不被支持，而df。Ix[2]和df[2:3]都可以工作。
In [26]: df.ix[2]
Out[26]:
A 1.027680
B 1.514210
C -1.466963
D -0.162339
Name: 2000-01-03 00:00:00
In [27]: df[2:3]
Out[27]:
A B C D
2000-01-03 1.02768 1.51421 -1.466963 -0.162339
我希望df[2]与df[2:3]的工作方式相同，与Python索引约定一致。是否有设计原因不支持按单个整数索引行?
当前回答
你可以把DataFrame看作一个系列字典。df[key]尝试按键选择列索引并返回一个Series对象。
但是，在[]内部进行切片将对行进行切片，因为这是一种非常常见的操作。
你可以阅读文件的详细信息:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#basics
其他回答
要基于索引访问pandas表，还可以考虑使用numpy。as_array选项将表转换为Numpy数组
np_df = df.as_matrix()
然后
np_df[i]
是可行的。
我通常会选择。loc/。iloc，但也可以通过转置DataFrame来选择一行。保持在上面的例子中，df。t[2]是df的第二行。
你可以像这样循环数据帧。
for ad in range(1,dataframe_c.size):
print(dataframe_c.values[ad])
@HYRY，详见0.11的新文档
http://pandas.pydata.org/pandas-docs/stable/indexing.html
这里我们有了新的操作符，.iloc到显式只支持整数索引，.loc到显式只支持标签索引
例如，想象一下这个场景
In [1]: df = pd.DataFrame(np.random.rand(5,2),index=range(0,10,2),columns=list('AB'))
In [2]: df
Out[2]:
A B
0 1.068932 -0.794307
2 -0.470056 1.192211
4 -0.284561 0.756029
6 1.037563 -0.267820
8 -0.538478 -0.800654
In [5]: df.iloc[[2]]
Out[5]:
A B
4 -0.284561 0.756029
In [6]: df.loc[[2]]
Out[6]:
A B
2 -0.470056 1.192211
[]只对行进行切片(根据标签位置)
如果你想通过它们的整数索引来索引多个行，使用一个索引列表:
idx = [2,3,1]
df.iloc[idx]
注意:如果idx是使用某些规则创建的，那么你也可以使用.iloc(或.loc)对数据帧进行排序，因为输出将按idx排序。在某种意义上，iloc就像一个排序函数idx是排序键。
