要选择该ith行，请使用iloc：

In [31]: df_test.iloc[0]
Out[31]: 
ATime     1.2
X         2.0
Y        15.0
Z         2.0
Btime     1.2
C        12.0
D        25.0
E        12.0
Name: 0, dtype: float64

要在Btime列中选择第i个值，可以使用：

In [30]: df_test['Btime'].iloc[0]
Out[30]: 1.2

df_test['Btime'].iloc[0]（推荐）和之间有区别df_test.iloc[0]['Btime']：

DataFrame将数据存储在基于列的块中（每个块具有一个dtype）。如果首先按列选择，则可以返回 视图
（比返回副本要快），并且保留原始dtype。相反，如果首先选择按行，并且DataFrame的列具有不同的dtype，则Pandas将数据 复制
到新的Object dtype系列中。因此，选择列比选择行要快一些。因此，尽管df_test.iloc[0]['Btime']有效，但
df_test['Btime'].iloc[0]效率更高。

在分配方面，两者之间存在很大差异。 df_test['Btime'].iloc[0] = x影响df_test，但df_test.iloc[0]['Btime']
可能不会。有关原因的说明，请参见下文。由于索引顺序的细微差别会在行为上产生很大差异，因此最好使用单个索引分配：

df.iloc[0, df.columns.get_loc('Btime')] = x

df.iloc[0, df.columns.get_loc('Btime')] = x （推荐的）：

为DataFrame分配新值的 推荐方法
是避免链接索引，而应使用andrew所示的方法，

df.loc[df.index[n], 'Btime'] = x

要么

df.iloc[n, df.columns.get_loc('Btime')] = x

后一种方法要快一些，因为df.loc必须将行标签和列标签转换为位置索引，因此，如果改用，df.iloc则转换的必要性要少一些 。

df['Btime'].iloc[0] = x 可行，但不建议：

尽管这可行，但它利用了 当前
实现DataFrames的方式。不能保证熊猫将来会以这种方式工作。特别是，它利用了以下事实：（当前）df['Btime']始终返回视图（而不是副本），因此df['Btime'].iloc[n] = x可用于在的列的第n个位置 分配 新值。Btime``df

由于Pandas无法明确保证索引器何时返回视图还是副本，因此使用链式索引的赋值通常会产生，SettingWithCopyWarning即使在这种情况下，赋值可以成功修改df：

In [22]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])
In [24]: df['bar'] = 100
In [25]: df['bar'].iloc[0] = 99
/home/unutbu/data/binky/bin/ipython:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  self._setitem_with_indexer(indexer, value)

In [26]: df
Out[26]: 
  foo  bar
0   A   99  <-- assignment succeeded
2   B  100
1   C  100

df.iloc[0]['Btime'] = x 不起作用：

相比之下，with的分配df.iloc[0]['bar'] = 123不起作用，因为df.iloc[0]正在返回副本：

In [66]: df.iloc[0]['bar'] = 123
/home/unutbu/data/binky/bin/ipython:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

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

In [67]: df
Out[67]: 
  foo  bar
0   A   99  <-- assignment failed
2   B  100
1   C  100

警告 ：我之前曾建议过df_test.ix[i, 'Btime']。但这不能保证为您提供ith值，因为在尝试按 位置
索引之前先尝试ix按 标签 索引。因此，如果DataFrame的整数索引不是从0开始的排序顺序，则using将返回 标有标签
的行，而不是该行。例如， ix[i] i``ith

In [1]: df = pd.DataFrame({'foo':list('ABC')}, index=[0,2,1])

In [2]: df
Out[2]: 
  foo
0   A
2   B
1   C

In [4]: df.ix[1, 'foo']
Out[4]: 'C'