1 使用loc方法：使用行标签和列标签进行取值 2 使用iloc方法：使用行索引和列索引进行取值 3 使用at方法：使用行标签和列标签进行单个元素的取值 4 使用iat方法：使用行索引和列索引进行单个元素的取值 5 使用操作符：可以使用列名或列索引进行列的取值也可以使用切片或布尔索引进行行的取值 6 使用query方法：使用布尔表达式进行行的筛选 7 使用filter方法：使用列名或正则表达式进行

1. loc方法：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取行标签为1，列标签为'Name'的值
name = df.loc[1, 'Name']
print(name)

# 获取行标签为1的所有值
row_data = df.loc[1, :]
print(row_data)

# 获取列标签为'Age'的所有值
col_data = df.loc[:, 'Age']
print(col_data)

# 获取行标签为1, 2，列标签为'Name', 'Age'的值
data = df.loc[[1, 2], ['Name', 'Age']]
print(data)

2. iloc方法：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取第一行，第二列的值
value = df.iloc[0, 1]
print(value)

# 获取前两行的所有值
rows = df.iloc[:2, :]
print(rows)

# 获取第二列的所有值
cols = df.iloc[:, 1]
print(cols)

# 获取第一行，第二行，第三列的值
data = df.iloc[[0, 1], 2]
print(data)

3. at方法：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取行标签为1，列标签为'Name'的值
name = df.at[1, 'Name']
print(name)

4. iat方法：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取第一行，第二列的值
value = df.iat[0, 1]
print(value)

5. []操作符：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取列名为'Name'的所有值
col_data = df['Name']
print(col_data)

# 获取第一行的所有值
row_data = df.loc[1, :]
print(row_data)

# 获取第一行到第三行的所有值
rows = df[0:3]
print(rows)

# 获取年龄大于20岁的所有行数据
age_greater_than_20 = df[df['Age'] > 20]
print(age_greater_than_20)

6. query方法：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取年龄大于20岁的所有行数据
age_greater_than_20 = df.query('Age > 20')
print(age_greater_than_20)

7. filter方法：

import pandas as pd

df = pd.read_csv('data.csv', index_col='ID')

# 获取列名以'A'开头的所有列数据
cols = df.filter(regex='^A')
print(cols)