你可以使用以下方法之一，根据列值在pandas DataFrame中选择行。
方法1：选择列值等于特定值的行
df.loc[df['col1'] == value]
方法2：选择列值在数值列表中的行
df.loc[df['col1'].isin([value1, value2, value3, ...])]
方法3：基于多列条件选择行
df.loc[(df['col1'] == value) & (df['col2'] < value)]
下面的例子显示了如何用下面的pandas数据框架来使用每个方法：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
'points': [5, 7, 7, 9, 12, 9, 9, 4],
'rebounds': [11, 8, 10, 6, 6, 5, 9, 12],
'blocks': [4, 7, 7, 6, 5, 8, 9, 10]})
#view DataFrame
df
team points rebounds blocks
0 A 5 11 4
1 A 7 8 7
2 B 7 10 7
3 B 9 6 6
4 B 12 6 5
5 C 9 5 8
6 C 9 9 9
7 C 4 12 10
方法1：选择列值等于特定值的行
下面的代码显示了如何选择DataFrame中 "points "列等于7的每一行：
#select rows where 'points' column is equal to 7
df.loc[df['points'] == 7]
team points rebounds blocks
1 A 7 8 7
2 B 7 10 7
方法2：选择列值在数值列表中的行
下面的代码显示了如何在DataFrame中选择 "积分 "列等于7、9或12的每一行：
#select rows where 'points' column is equal to 7
df.loc[df['points'].isin([7, 9, 12])]
team points rebounds blocks
1 A 7 8 7
2 B 7 10 7
3 B 9 6 6
4 B 12 6 5
5 C 9 5 8
6 C 9 9 9
方法3：基于多列条件选择行
下面的代码显示了如何在DataFrame中选择 "团队 "列等于 "B "且 "积分 "列大于8的每一行：
#select rows where 'team' is equal to 'B' and points is greater than 8
df.loc[(df['team'] == 'B') & (df['points'] > 8)]
team points rebounds blocks
3 B 9 6 6
4 B 12 6 5
注意，只有球队等于'B'和'积分'大于8的两行被返回。
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：
