PandasのDataFrameから値を取り出す色んな方法

値を取り出す方法色々あるなぁって思います。
この他にもまだまだあるかも。

##環境
The version of the notebook server is: 5.4.0
Python 3.6.4 |Anaconda custom (64-bit)| [GCC 7.2.0]
Pandas 0.22.0

##前置き
今回使うデータはdfとdf2です。
dfはカラム名だけを指定したもの、df2はそれに加えインデックスに名前（=行ラベル）を指定しました。

データを取り出す方法はloc, iloc, ixがあります。
それぞれ行、列の指定方法に違いがあり下記のようになります。
loc: 行ラベル、 列ラベル
iloc: 行の番号(0 ~ )、列の番号(0 ~ )
ix: 行ラベル、列ラベル または 行の番号(0 ~ )、列の番号(0 ~ )

こう見るとix最強感ありますが、pandasのversionが0.20.1.以降しか使えないようです。
ちなみにバージョンは以下で確認可能です。

import pandas as pd
print(pd.__version__)

##データ

import pandas as pd

df = pd.DataFrame([
    [1, 'Taro', 12],
    [2, 'Yoshiko', 25],
    [3, 'Hanako', 18],
    [4, 'Santa', 25],
    [5, 'Nobu', 16],
    [6, 'Haruka', 29]],
    columns=['id','name','score']
)

# indexに名前を指定しています
df2 = pd.DataFrame([
    [1, 'Taro', 12],
    [2, 'Yoshiko', 25],
    [3, 'Hanako', 18],
    [4, 'Santa', 25],
    [5, 'Nobu', 16],
    [6, 'Haruka', 29]],
    index = ['n1', 'n2', 'n3', 'n4', 'n5', 'n6'],
    columns=['id','name','score']
)

index

###indexを指定して取り出す

# <class 'pandas.core.series.Series'>

df.loc[0]
# df2.loc[0]はエラー
df2.loc['n1']

df.iloc[0]
df2.iloc[0]

df.ix[0]
df2.ix[0]
df2.ix['n1']

# <class 'pandas.core.frame.DataFrame'>

df.loc[[0]]
# df2.loc[[0]]はエラー
df2.loc[['n1']]

df.iloc[[0]]
df2.iloc[[0]]

df.ix[[0]]
df2.ix[[0]]
df2.ix[['n1']]

df[df.index == 0]
df2[df2.index == 0]
df2[df2.index == 'n1']

###一番最後の行を取り出す

# <class 'pandas.core.series.Series'>

# df.loc[-1]はエラー
# df2.loc[-1]はエラー

df.iloc[-1]
df2.iloc[-1]

# df.ix[-1]はエラー
df2.ix[-1]

# <class 'pandas.core.frame.DataFrame'>

# df.loc[[-1]]はエラー
# df2.loc[[-1]]はエラー

df.iloc[[-1]]
df2.iloc[[-1]]

# df.ix[[-1]]はエラーではないが正しくない値が戻る
df2.ix[[-1]]

###indexを複数指定して取り出す

# pandas.core.frame.DataFrame
df.loc[[0,3,5]]
# df2.loc[[0,3,5]]はエラー
df2.loc[['n1', 'n2', 'n3']]

df.iloc[[0,3,5]]
df2.iloc[[0,3,5]]

df.ix[[0,3,5]]
df2.ix[[0,3,5]]
df2.ix[['n1', 'n2', 'n3']]

###indexに範囲を指定して取り出す

# pandas.core.frame.DataFrame
df.loc[1:3]
df2.loc['n2':'n4']

df.iloc[1:4]
df2.iloc[1:4]

df.ix[1:3]
df2.ix[1:4]
df2.ix['n2':'n4']

###indexに条件を指定して取り出す

# pandas.core.frame.DataFrame
df[df.index > 2]
df2[df2.index > 'n2']

###複数条件

# pandas.core.frame.DataFrame
df[(df.index > 2) & (df.index < 5)]
df2[(df2.index > 'n3') & (df2.index < 'n6')]

column

###columnのid列を取り出す

# <class 'pandas.core.series.Series'>
df.loc[:, 'id'] # df.loc[:, 0]はエラー
df2.loc[:, 'id']

df.iloc[:, 0] # df.iloc[:, 'id']はエラー
df2.iloc[:, 0]

df.ix[:, 'id']
df2.ix[:, 'id']

df.ix[:, 0]
df2.ix[:, 0]

# <class 'pandas.core.frame.DataFrame'>
df.loc[:, ['id']]
df2.loc[:, ['id']]

df.iloc[:, [0]]
df2.iloc[:, [0]]

df.ix[:, ['id']]
df2.ix[:, ['id']]

df.ix[:, [0]]
df2.ix[:, [0]]

###columnに範囲指定をして取り出す

# <class 'pandas.core.frame.DataFrame'>
df.loc[:, 'id':'score']
df2.loc[:, 'id':'score']

df.iloc[:, 0:2]
df2.iloc[:, 0:2]

df.ix[:, 'id':'score']
df2.ix[:, 'id':'score']

df.ix[:, 0:2]
df2.ix[:, 0:2]

###columnのid列とscore列を取り出す

# <class 'pandas.core.frame.DataFrame'>
df.loc[:, ['id', 'score']]
df2.loc[:, ['id', 'score']]

df.iloc[:, [0, 1]]
df2.iloc[:, [0, 1]]

df.ix[:, ['id', 'score']]
df2.ix[:, ['id', 'score']]

df.ix[:, [0, 1]]
df2.ix[:, [0, 1]]

###columnに条件を指定して取り出す

※df2の結果は省略しています

###idカラムが1のものを取り出す

df[df['id'] == 1]
#df2[df2['id'] == 1]

###scoreカラムが25のものを取り出す

df[df['score'] == 25]
#df2[df2['score'] == 25]

####idが3以上のものを取り出す

df[df['id'] > 3]
#df2[df2['id'] > 3]

####scoreを倍にして40以上のものを取り出す

# applyとlambdaで式を書くことも可能
df.loc[df['score'].apply(lambda x: (x*2) > 40)] 
#df2.loc[df2['score'].apply(lambda x: (x*2) > 40)] 

####nameの末尾がoのものを取り出す

df.loc[df['name'].str.endswith("o")]
#df2.loc[df2['name'].str.endswith("o")]

###idカラムが3以上6以下のものを取り出す

df[(df['id'] > 3) & (df['id'] < 6)]
#df2[(df2['id'] > 3) & (df2['id'] < 6)]

indexとcolumn

###indexが0と2('n1'と'n3')、columnのid列を取り出す

# <class 'pandas.core.series.Series'>
df.loc[[0, 2], 'id']
df2.loc[['n1', 'n3'], 'id']

df.iloc[[0, 2], 0]
df2.iloc[[0, 2], 0]

df.ix[[0, 2], 0]
df2.ix[[0, 2], 0]

df.ix[[0, 2], 'id']
df2.ix[[0, 2], 'id']
df2.ix[['n1', 'n3'], 'id']

# <class 'pandas.core.frame.DataFrame'>
df.loc[[0, 2], ['id']]
df2.loc[['n1', 'n3'], ['id']]

df.iloc[[0, 2], [0]]
df2.iloc[[0, 2], [0]]

df.ix[[0, 2], [0]]
df2.ix[[0, 2], [0]]

df.ix[[0, 2], ['id']]
df2.ix[[0, 2], ['id']]
df2.ix[['n1', 'n3'], ['id']]

####Booleanで指定で取り出す

df.loc[[True, False, True], [True]]
df2.loc[[True, False, True], [True]]

df.iloc[[True, False, True], [True]]
df2.iloc[[True, False, True], [True]]

df.ix[[True, False, True], [True]]
df2.ix[[True, False, True], [True]]

###範囲指定

####indexが0から2('n1'から'n3')、columnが0番から1番（idとname）を取り出す

df.loc[0:2, 'id':'name']
df2.loc['n1':'n3', 'id':'name']

df.iloc[0:3, 0:2]
df2.iloc[0:3, 0:2]

df.ix[0:2, 'id':'name']
df.ix[0:2, 0:2]
df2.ix[0:3, 'id':'name']
df2.ix['n1':'n3', 'id':'name']
df2.ix['n1':'n3', 0:2]
df2.ix[0:3, 0:2]

##最後に

色々ありますね。是非ご参考に。

##参考
API Reference — pandas 0.23.1 documentation
Using iloc, loc, & ix to select rows and columns in Pandas DataFrames
pandas の loc、iloc、ix の違い – python