.loc：基于列标签选择

• .loc 是一个强大的工具，可以根据列名或行列位置选择数据。
• 例如：df.loc[[1,2], ['total_bill', 'tip']] 会选择第1行和第2行，并从这些行中选择 'total_bill' 和 'tip' 列的数据。

.iloc：基于行/列的位置选择

• .iloc 是基于数据框的行索引和列索引，位置从0开始计数。
• 例如：df.iloc[1:3, [1,2]] 会选择第1行到第3行（不包含第3行），并从这些行中选择第1列和第2列的数据。

.at：结合行索引和列名选择

• .at 方法需要同时指定行索引和列名。
• 例如：df.at[3, 'tip'] 会直接访问第3行、'tip' 列的数据。

.iat：基于行/列的位置选择

• .iat 方法类似于 .iloc，但它是基于行和列的位置索引。
• 例如：df.iat[3, 1] 会访问第4行（索引从0开始）、第2列的数据。

.ix：结合行索引和列名或位置选择

• .ix 方法既可以根据行索引选择，也可以结合列名或列位置。
• 例如：df.ix[1:3, ['total_bill', 'tip']] 会选择第1行到第3行，并从这些行中选择 'total_bill' 和 'tip' 列的数据。

行选择示例：

• df.loc[[2,3]] 会选择第2行和第3行的数据。
• df.iloc[1:3] 会选择第1行到第3行的数据（不包含第3行）。

错误示例：

• df.loc[[2,3]] 如果没有指定列名，会直接返回相应的行数据。
• df.iloc[1:3, [1,2]] 会选择第1行到第3行，并从这些行中选择第1列和第2列的数据。

列选择示例：

• df['total_bill', 'tip'] 会选择 'total_bill' 和 'tip' 列的数据。
• df[1:3, ['total_bill', 'tip']] 会选择第1行到第3行，并从这些行中选择 'total_bill' 和 'tip' 列的数据。

注意事项：

• .loc 和 .iloc 都支持单行或多行选择。
• .at 和 .iat 只能选择单行或单列的数据。
• .ix 方法已经逐渐被弃用，建议使用 .loc 或 .iloc 代替。