您可以使用X['var2'].iloc[[0,1]]：In [280]: X['var2'].iloc[[0,1]]

Out[280]:

0 NaN

4 9

Name: var2, dtype: float64

由于X['var2']是X的视图，因此X['var2'].iloc[[0,1]]对两者都是安全的

访问和分配。但是如果你使用这种“链式索引”要小心

模式(例如这里使用的index by column then index by-iloc模式)进行赋值，因为它不是

推广到多列赋值的情况。在

例如，X[['var2', 'var3']].iloc[[0,1]] = ...生成

X的子数据帧，因此对该子数据帧的赋值不会修改X。

有关详细说明，请参阅"Why assignments using chained indexing

fails"上的文档。在

具体来说，为了说明此视图与副本区别的重要性，请执行以下操作：

^{pr2}$

然后，此赋值将引发SettingWithCopyWarning警告：In [252]: X[['var2', 'var3']].iloc[[0,1]] = 100

SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a

DataFrame

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

self._setitem_with_indexer(indexer, value)

赋值无法修改X。哎呀！在In [281]: X

Out[281]:

var1 var2 var3

0 3 NaN 11

4 3 9 13

3 2 NaN 14

2 5 9 12

1 2 7 13

要解决这个问题，当您希望一个赋值影响X时，必须

分配给一个单索引器(例如X.iloc = ...或{}或X.ix = ...)，也就是说，没有链式索引。在

在这种情况下，您可以使用In [265]: X.iloc[[0,1], X.columns.get_indexer_for(['var2', 'var3'])] = 100

In [266]: X

Out[266]:

var1 var2 var3

0 3 100 100

4 3 100 100

3 2 NaN 14

2 5 9 12

1 2 7 13

但我想知道有没有更好的方法，因为这不是非常漂亮。在