如何基于浮点型索引值而非位置查询DataFrame数据？

当然可以！在Pandas中，我们完全可以跳过基于位置的iloc，直接通过**索引值（标签）**来提取目标行，这里给你几种实用的方案，结合你的DataFrame示例来演示：

先回顾下你的原始DataFrame：

a    b    c    d    e
index
0   -202 -236  135 -178 -186
8   -139 -102  112 -100 -112
10   -77  -33   89  -22  -37
18   -16   35   62   46   26
20    45   67   36  114   90

方法1：使用loc[]（最推荐） #

loc是Pandas专门为标签/索引值查询设计的工具，用法非常直观：

• 提取单个索引值的行：df.loc[8]
• 提取多个索引值的行：传入索引值列表df.loc[[8, 18]]

运行df.loc[[8, 18]]后，你会得到：

a    b    c    d    e
index
8   -139 -102  112 -100 -112
18   -16   35   62   46   26

这个方法不仅高效，还支持后续的列筛选（比如df.loc[[8,18], ['a', 'c']]可以同时指定行和列），是日常处理的首选。

方法2：使用query()方法 #

如果需要更灵活的条件查询（比如结合其他列的条件），可以用query()，通过字符串表达式指定索引条件：

df.query("index in [8, 18]")

运行后得到的结果和上面完全一致，这种写法在复杂逻辑下可读性更强。

方法3：使用reindex() #

reindex()可以重新构建DataFrame的索引，传入目标索引值列表即可提取对应行：

df.reindex([8, 18])

需要注意的是，如果传入的索引值在原DataFrame中不存在，reindex()会返回对应行的NaN值，这点和loc不同（loc遇到不存在的索引会报错）。

总结一下，loc[]是最直接且高效的选择，完全满足你基于索引值提取行的需求，不需要依赖任何位置相关的操作~

内容的提问来源于stack exchange，提问作者user9454050