切片：

loc:
df.loc[num]:選擇df 某一行 series
df.loc[[num1,num2]]: 選擇df 某幾行
df.loc[[True,False,True, ,True]]: 選擇df 某幾行

df.loc[num,[‘a‘,‘c‘]]:選擇df 某一行n列
df.loc[[num1,num2],[‘a‘,‘c‘]]: 選擇df 某幾行n列
df.loc[[True,False,True, ,True],[‘a‘,‘c‘]]: 選擇df 某幾行n列
#loc 以數字、布爾及其列表標記行，列名及其列表標記列。
df.iloc[num]:選擇df 某一行 series
df.iloc[[num1,num2]]: 選擇df 某幾行
df.iloc[[True,False,True, ,True]]: 選擇df 某幾行

df.iloc[num,num]:選擇df 某一行第num列
df.iloc[[num1,num2],[2,4,5]]: 選擇df 某幾行 列
df.iloc[[True,False,True, ,True],3:5]: 選擇df 某幾行n列(左閉右開)
#iloc 以數字、布爾及其列表標記行，以數字及其列表標記列

##loc,iloc主要區別在於loc選擇某些列只能用列名來選，iloc只能用數字來選，
哪怕列名是數字的也不例外。切片選擇列時，從0開始，左閉右開即右邊不包含。
按條件索引行:df[df[‘a‘]==0]

縱向合並：append需要重新將值賦給變量，不會像list.append()一樣直接改變變量

df=df.append(df2)

pandas 常用技巧總結