Pandas DataFrame中行与列选取差异及原因咨询

你遇到的这个问题其实是Pandas对[]操作符的设计逻辑导致的，我来给你拆解清楚：

1. 方括号[]的默认行为：优先选择列 #

DataFrame的方括号[]是专门为列选择设计的，所以你用cars['country']能直接拿到列——因为这里的字符串被识别为列名（也就是列索引的键）。而当你输入cars['US']时，Pandas会先去列索引里找名为US的列，找不到就抛出KeyError，它不会默认去行索引里匹配。

2. 为什么cars['US':'US']能选中行？ #

这是因为你用了切片语法（带冒号的范围）。当Pandas看到方括号里是切片表达式时，它会切换逻辑：不再匹配列，而是匹配行索引的标签范围。这种切片是包含首尾的，所以'US':'US'就精准选中了行索引为US的那一行。

不过这种写法其实是“曲线救国”，更直观的行选择应该用专门的方法。

3. 行索引也是键，但需要用专门工具访问 #

行索引（index）当然也是键，但Pandas提供了更明确的工具来操作行：

• 基于标签选行：用loc[]，比如cars.loc['US']就能直接拿到US这一行（返回一个Series）；如果想返回DataFrame格式，就写成cars.loc[['US']]
• 基于位置选行：用iloc[]，比如cars.iloc[2]会选中第3行（索引从0开始）

用loc/iloc的好处是逻辑清晰，不会和列选择混淆，尤其是当你的列名和行索引名重名时，能避免歧义。

4. 为什么行选取看起来更复杂？ #

这其实是Pandas的列导向设计决定的：DataFrame本质上是由多个Series（列）组成的集合，所以默认把最常用的列选择放在最便捷的方括号里。而行操作因为涉及标签/位置两种维度，用专门的loc/iloc能更精准地表达意图，减少误操作。

举几个更清晰的例子对比：

# 选列（两种常用方式）
cars['country']
cars.country  # 列名是合法标识符时可用

# 选行（推荐方式）
cars.loc['US']          # 返回Series
cars.loc[['US']]        # 返回DataFrame
cars.iloc[0]            # 按位置选第一行

# 行切片的等价写法
cars['US':'US']         # 方括号切片
cars.loc['US':'US']     # loc切片，更清晰

总结一下：方括号默认管列，行选择用loc/iloc更靠谱，这样写出来的代码可读性更高，也不容易踩坑~

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