当涉及到选择pandas DataFrame的行和列时，.loc 和.at是两个常用的函数。
下面是这两个函数之间的细微差别：
- .loc可以接受多个行和列作为输入参数
- .at只能接受一行和一列作为输入参数。
下面的例子展示了如何在实践中用以下pandas DataFrame使用每个函数。
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
'points': [18, 22, 19, 14, 14, 11, 20, 28],
'assists': [5, 7, 7, 9, 12, 9, 9, 4],
'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})
#view DataFrame
print(df)
team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7 H 28 4 12
例1：如何在Pandas中使用loc
下面的代码显示了如何使用**.loc**来访问DataFrame中位于点数列索引位置0的数值。
#select value located at index position 0 of the points column
df.loc[0, 'points']
18
这将返回一个18的值。
下面的代码显示了如何使用**.loc**来访问索引值0和4之间的行以及列point和assists。
#select rows between index values 0 and 4 and columns 'points' and 'assists'
df.loc[0:4, ['points', 'assists']]
points assists
0 18 5
1 22 7
2 19 7
3 14 9
4 14 12
无论我们是想访问一个单一的值还是一组行和列，.loc函数都可以做到。
例2：如何在Pandas中使用at
下面的代码显示了如何使用**.at** 来访问位于point列索引位置0的DataFrame中的值。
#select value located at index position 0 of the points column
df.at[0, 'points']
18
这将返回一个18的值。
然而，假设我们试图使用at 来访问索引值0和4之间的行以及列point和assists。
#try to select rows between index values 0 and 4 and columns 'points' and 'assists'
df.at[0:4, ['points', 'assists']]
TypeError: unhashable type: 'list'
我们会收到一个错误，因为at函数不能接受多行或多列作为输入参数。
总结
当你想在pandas DataFrame中只访问一个值时，loc和at函数都能正常工作。
然而，当你想访问一组行和列时，只有loc函数能够做到。
相关内容： Pandas loc vs. iloc:有什么区别？
其他资源
下面的教程解释了如何在pandas中执行其他常见操作：
