loc,iloc,列索引，布爾索引的使用

結論：
1，loc，iloc，df.ename,df[‘ename’],df[[‘ename’]]都是引用的方式進行訪問，也就是說被引用的數據發生改變，那麼df數據也會發生改變
2，如果只拿一列（一個特徵值）數據，那麼返回的一般是Series類型，達到兩列或者以上，一般是Dataframe類型
3，loc[0:1,:],iloc[0:1,:],對於loc是location的縮寫，iloc中的i是integer，
loc[0:1,:]包括兩行數據；而iloc[0:1,:]只有一行數據，這是不一樣的地方
4，通過他們訪問的函數方法 默認的inplace=False,也就是說在inplace=False的時候，複製某些數據，爲True的時候直接引用。
代碼如下：

import pandas as pd

df = pd.read_csv('data.csv',header=0)


# In[]


# loc:location的縮寫
# iloc：index of location ：通過索引進行引用
# 在這裏需要注意一個小細節: df.loc[0:1] 包含的是兩組數據，而df.iloc[0:1] 是隻有0行數據數據


print(type(df.loc[0])) # series 引用

print(type(df.loc[0:1])) # Dataframe 引用 , 有兩列數據

print(type(df.iloc[0])) # series 引用

print(type(df.iloc[0:1])) #  DataFrame 引用


print(type(df.loc[0:1,'empno'])) # Series

print(type(df.loc[1,'empno'])) #numpy.int64

# 這兩中用法是一樣的，等效的
print(type(df.loc[0:1,'empno':'ename']))
print(type(df.loc[0:1,['empno','ename']]))

# Dataframe 不支持 df[0:1,0:1]的這種numpy的切片做法
# df[0:1,0:1] # 報錯
# 但是支持 df[0:1][0:1]的用法,但是不建議使用這種
print(df[0:1][0:1])

# In[]
# 列索引
print(type(df['empno'])) # series ,引用

print(type(df[['empno','ename']])) # Dataframe  引用

print(type(df.empno)) # Series ,引用

'''
通過下面的代碼可以求證.
df['empno'] = df.ename
df[['ename','empno']] = df[['job','mgr']]
'''

# 注意：剛剛所有的都是引用類型，也就是說，我們在更改之後，是可以改變元數據，
# 而在調用方法的時候，比如：df.empno.replace(inplace = False) :這個時候是
# 不改變源數據，因爲df.empno是引用，所以在inplace 設置爲False的時候 會把相應數據先複製一份在進行處理.

# In[]

# 布爾索引的使用
print(df[df.empno<=7900])

print(df.loc[df.empno<=7900,['ename','job']])

# 注意:括號不能少
print(df.loc[(df.empno<=7900) & (df.job == 'CLERK'),['ename','job']])

數據我是使用的oracle的emp的表的數據