前言
Selecting的部分真是用的最多的地方岗宣，所以也是最最熟悉的部分，這里不加贅述過于基礎的東西淋样，會快速的略過那些部分耗式，但是會把一些不常用的東西、新奇的東西羅列出來趁猴。
基礎：
df.loc, df.iloc, df.ixdf[int], df[int,int], df[:,:,int]df[df.col > 0], df[() & ()], df[() | ()]df[df.col.isin([1,2,3,4])]
不常用的：
df.loc[lambda x: x.col >0,:]df.reindex()# 可通過給一個新的（可大于現有長度）的index刊咳，生成NaN的行(那豈不是會亂序,碎碎念,要不就只能在最后加NaN)df.set_index(col)# 可直接將某列/多列 設為indexdf.sample()# 隨機抽樣，可用size也可用frac儡司，還可賦予權重df[df['col'].map(lambda x: x.startswith('t')# 用map來更靈活的生成布爾值df.where(df > 0)# 等同于df[df >0]娱挨，而且可用args對False的值進行替換df.mask(df > 0)# 等同于df.where(df <= 0), 與上者是相反的布爾操作df.query('(a < b) & (b < c)')# 類似于建立了一個df內部的SQL語言，abc都是列名枫慷，等價于df[(df.a < df.b) & (df.b < df.c)](實驗性,不深入研究)df.lookup([1,2,3],['a','b','c'])# 等價于df.loc[1,'a'], df.loc[2,'b'], df.loc[3,'c']让蕾，傳入兩個等長的list，可以自動進行zip且索引或听。
關于df.where
用法較多探孝，這里簡單講一講
基本的用法：
df.where(df>0)，但是同樣可以是用df.where(df < 0 , -df)誉裆，相當于把整個表格都轉換成了負數顿颅。
或者df3.where(lambda x: x > 4, lambda x: x + 10)對其進行操作，只對大于4的數字加10.
而且也會自動進行比對(alignment)足丢。
例如df2[ df2[1:4] > 0 ] = 3 只會操作df2的1->4 行粱腻。
