Pandas DataFrame.loc三种括号用法差异：loc[x,y]、loc[x][y]、loc[[x]][y]

嘿，这个问题问得太到位了！很多刚上手Pandas的朋友都会被这几种看似差不多的写法绕晕，我来给你逐个拆解清楚：

1. df.loc['Second', 'count'] #

这是Pandas官方最推荐的原生用法，直接通过「行标签, 列标签」的方式精准定位单个元素，返回的是一个标量值（比如例子里的3）。这种写法是Pandas设计的最优路径，没有中间步骤，效率最高，而且完全不会有链式索引的潜在问题，不管是读还是写操作都很安全。

2. df.loc['Second']['count'] #

这属于链式索引，相当于分两步走：先执行df.loc['Second']得到一行数据（一个Series对象），再从这个Series里提取count列的值。虽然读取数据时结果和第一种一样，但这里藏着个大坑：如果是做赋值操作（比如df.loc['Second']['count'] = 10），很可能会触发SettingWithCopyWarning——因为Pandas没法确定你是在修改原DataFrame还是它的一个临时副本，容易出现数据不更新的诡异问题。所以除非你特别清楚自己在干嘛，否则尽量别用这种写法。

3. df.loc[['Second'], 'count'] #

这里的行标签用列表包裹了，哪怕只有一个元素，Pandas也会把它当成「多行选择」来处理，返回的是一个Series对象（例子里的输出是Second 3，带着索引）。这种写法适合你需要保留行索引结构的场景，比如后续要对这组数据做批量运算、合并等操作，而不是只拿一个孤立的值。

实际代码验证 #

我们用你给出的代码来直观感受差异：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(6).reshape(3, 2), columns=['price', 'count'], index=['First', 'Second', 'Third']) 
print(df) 
# 输出：
#        price  count
# First      0      1
# Second     2      3
# Third      4      5 

print(df.loc['Second', 'count']) # 输出：3（标量）
print(df.loc['Second']['count']) # 输出：3（标量，但链式索引）
print(df.loc[['Second'], 'count']) # 输出：
# Second    3
# Name: count, dtype: int64（带索引的Series）

内容的提问来源于stack exchange，提问作者Konstantin