Python Pandas DataFrame查找数据：基本操作与实践

在Python的Pandas库中，DataFrame是一个二维标签化的数据结构，用于存储和操作结构化数据。查找数据是数据分析中的基本操作，下面我们将探讨在DataFrame中查找数据的方法。

1. 布尔索引
   布尔索引是通过给定条件筛选数据的方法。在DataFrame中，我们可以使用布尔索引来筛选符合特定条件的行。以下是一个简单的示例：

   import pandas as pd
   # 创建一个简单的DataFrame
   data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
   'Age': [25, 30, 35, 40],
   'Salary': [50000, 60000, 70000, 80000]}
   df = pd.DataFrame(data)
   # 使用布尔索引筛选年龄大于30的行
   df_filtered = df[df['Age'] > 30]
   print(df_filtered)

   在这个例子中，我们首先创建了一个简单的DataFrame，然后使用布尔索引筛选出年龄大于30的行。
2. 使用条件筛选进行查找
   除了使用布尔索引，我们还可以使用Pandas提供的条件筛选功能来查找数据。条件筛选允许我们根据多个条件进行筛选。以下是一个使用条件筛选的示例：

   # 使用条件筛选查找年龄大于30且薪水大于60000的行
   df_filtered_2 = df[(df['Age'] > 30) & (df['Salary'] > 60000)]
   print(df_filtered_2)

   在这个例子中，我们使用了两个条件来筛选数据：年龄大于30和薪水大于60000。通过使用括号和逻辑运算符（&），我们可以组合多个条件来执行更复杂的筛选操作。
3. 使用特定列查找数据
   除了根据行进行筛选，我们还可以根据特定列查找数据。以下是一个使用列进行查找的示例：

   # 查找薪水大于70000的行
   salary_over_70k = df[df['Salary'] > 70000]
   print(salary_over_70k)

   在这个例子中，我们使用列’Salary’来查找薪水大于70000的行。Pandas允许我们根据特定列的值进行查找和筛选，从而快速定位所需的数据。
4. 使用loc和iloc定位数据
   除了使用条件筛选，我们还可以使用loc和iloc函数来定位数据。loc函数基于标签进行定位，而iloc函数基于整数位置进行定位。以下是一个使用loc和iloc的示例：

   # 使用loc函数查找第二行数据（基于标签）
   second_row = df.loc[1]
   print(second_row)