df[boolean_mask]选择行为boolean_maskTrue的行，但是在某些情况下可能不希望出现以下情况：当df具有布尔值的列标签时：
In [229]: df = pd.DataFrame({True:[1,2,3],False:[3,4,5]}); df
Out[229]:
False True
0 3 1
1 4 2
2 5 3
您可能要使用df[[True]]选择True列。相反，它引发一个ValueError：
In [230]: df[[True]]
ValueError: Item wrong length 1 instead of 3.
与使用loc：
In [231]: df.loc[[True]]
Out[231]:
False True
0 3 1
相反，ValueError即使的结构df2几乎与df1上述相同，也不会出现以下情况：
In [258]: df2 = pd.DataFrame({'A':[1,2,3],'B':[3,4,5]}); df2
Out[258]:
A B
0 1 3
1 2 4
2 3 5
In [259]: df2[['B']]
Out[259]:
B
0 3
1 4
2 5
因此，df[boolean_mask]并不总是与相同df.loc[boolean_mask]。即使这可以说是不太可能的用例，但我还是建议您始终使用df.loc[boolean_mask]而不是，df[boolean_mask]因为df.loc的语法含义很明确。随着df.loc[indexer]您自动知道，df.loc被选择行。相反，不清楚是否df[indexer]会ValueError在不了解indexer和的细节的情况下选择行或列（或引发）df。
df.loc[row_indexer, column_index]可以选择行 和 列。df[indexer]只能根据中的值类型和列值的类型选择行 或 列（再次，它们是布尔值吗？）。indexer``df
In [237]: df2.loc[[True,False,True], 'B']
Out[237]: 0 3 2 5 Name: B, dtype: int64
将切片传递给df.loc端点时，端点将包含在范围内。将切片传递给时df[...]，该切片将被解释为半开间隔：
In [239]: df2.loc[1:2]
Out[239]: A B 1 2 4 2 3 5
In [271]: df2[1:2] Out[271]: A B 1 2 4
602392714
清零编程群