有时数据读入后并不要求对整体数据进行分析，而是获取数据中的部分子集。例如，对于地铁乘客进行分析时，可能只关心某些时间段的流量；对于商品的交易可能只需要分析某些颜色的价格变动；对于医疗诊断可能只对某个年龄段的人群感兴趣等。所以，该如何根据特定的条件实现数据子集的获取呢？这里进行简要阐述。

pandas模块中，数据框子集的获取可以使用iloc、loc和ix三种“方法”，这三种方法既可以对数据进行筛选，也可以实现变量的挑选，他们的语法可以表示成[rows_select,cols_select]。

1. iloc

iloc只能通过行号和列号进行数据的筛选，读者可以将iloc中的“i”理解为“integer”，即只能向[rows_select,cols_select]指定整数列表。该索引方式与数组的索引方式类似，都是从0开始，可以间隔取号，对于切片仍然无法取到上限。

2. loc

loc要比iloc灵活一些，可以将loc的“l”理解为label，即可以向[rows_select,cols_select]指定具体的行标签（行名称）和列标签（字段名）。注意这里是标签不再是索引。而且，还可以将rows_select指定为具体的筛选条件，在iloc中是无法做到的。

3. ix

ix是iloc和loc的混合，读者可以将ix理解为“mix”,该“方法”吸收率iloc和loc的优点，使数据库子集的获取更为灵活。

4. 例子

df1 =pd.DataFrame({'name':['张三','李四','王二','丁一','李五'],'gender':['男','女','女','女','男'],'age':['23','22','25','20','19'],columns =['name','gender','age'])
df1
#取出数据集的中间三行（即所有女性），并且返回姓名和年龄两列
df1.iloc[1:4,[0,2]]
df1.loc[1:3,['name','age']]
df1.ix[1:3,[0,2]]