Python 数据帧通过[]和（attibute）选择数据

我发现我在理解何时应该使用

df[data]

或

df.data

从数据帧（df）访问数据时遇到问题。

---

我主要使用[]方法来创建新列，但我也可以使用

df[]

和

df.data

访问数据，但是有什么区别，我如何更好地掌握这两种选择数据的方法？什么时候应该使用一个而不是另一个

使用

[]

将使用索引的值

a = "hello"
df[a]        # It will give you content at hello

使用

df.a         # content at a

不同之处在于，对于第一个变量，您可以使用变量。

如果我理解正确，它们几乎是等价的，除了以下情况：

• 只有在索引元素是有效的python标识符（例如不允许使用s.1）时，才能使用[the
  ]访问
• 如果该属性与现有方法名称冲突，例如不允许使用s.min，则该属性将不可用
• 类似地，如果该属性与以下任何列表冲突，则该属性将不可用：索引、长轴、短轴、项目、标签
• 在这些情况下，标准索引仍然有效，例如s['1']、s['min']和s['index']将访问相应的元素或列

然而，尽管

索引运算符

[]

和属性运算符

提供了快速简便的 跨各种用例访问熊猫数据结构[…]

在生产中，您应该真正使用优化的panda数据访问方法，如

.loc

、

.iloc

和

.ix

，因为

[…]因为要访问的数据类型未知 事先，直接使用标准运算符有一些优化 限制。对于生产代码，我们建议您利用 优化的数据访问方法

---

您也不能使用

创建新列；你只能访问现有的栏目。太好了，这正是我想要的，所以除了创建新栏目和上面列出的案例之外，[]还有什么可以做的吗？至少我不知道，或者文档中提到。。。如果我错了，请有人纠正我。我将再次讨论这个答案，我想知道什么类型的数据/列会使['']低于.iloc、.ix、.loc？你能想出一些基本的例子吗？我不认为索引运算符

[]

和

（在文档中称为“标准运算符”）在任何方面都不如

.iloc

、

.ix

或

.loc

，尤其是在任何数据类型方面。相反，正如文档中指出的，使用“标准运算符”可能会导致效率方面的次优代码，因为Python解释器事先不知道要访问的数据类型。