为什么pandas中dtf.loc[]使用方括号而非圆括号？

• 与numpy数组索引习惯对齐
  pandas从设计之初就保持和numpy语法的兼容性，numpy中多维数组的取值、切片均使用arr[i, j]的方括号索引写法，将loc设计为属性配合方括号调用，符合数值计算领域用户的既有使用习惯，降低学习迁移成本。
• 原生支持复杂索引语法
  Python方括号对应的__getitem__魔法方法，原生支持多维度参数、切片语法dtf.loc[1:5, 'colA':'colC']、布尔数组筛选dtf.loc[dtf['colA'] > 10]、花式索引等复杂操作。如果用函数实现相同逻辑，需要手动将切片转为slice(1,5)对象传入，语法会非常冗余，易用性大幅下降。
• 支持原地赋值操作
  这是函数设计无法实现的核心特性：方括号同时对应__setitem__魔法方法，你可以直接执行dtf.loc[x, 'colA'] = 100对指定位置做原地修改。如果loc是函数，Python语法不允许对函数返回值直接赋值，需要额外配套单独的赋值接口，读写操作语法割裂，使用会非常繁琐。
• 全索引器API的一致性
  除loc外，iloc、at、iat等不同场景的索引器均采用「属性+方括号」的统一设计，用户掌握一种写法即可套用所有索引器，学习成本更低，使用体验一致。

关于你提到的「函数写法更符合直觉」的感受，属于不同场景的习惯差异：如果仅做单值取值操作，函数写法确实和普通调用逻辑一致，但pandas索引器需要同时兼顾取值、切片、复杂条件筛选、原地赋值四类核心需求，属性+方括号的设计综合收益远高于函数设计。

内容的提问来源于stack exchange，提问作者stats_b