我很好奇为什么df[2]不支持，而df.ix[2]两者df[2:3]都可以工作。
In [26]: df.ix[2]
Out[26]:
A 1.027680
B 1.514210
C -1.466963
D -0.162339
Name: 2000-01-03 00:00:00
In [27]: df[2:3]
Out[27]:
A B C D
2000-01-03 1.02768 1.51421 -1.466963 -0.162339
我希望以与 Python 索引约定一致df[2]的方式工作。df[2:3]是否有不支持按单个整数索引行的设计原因？
呼应@HYRY，请参阅 0.11 中的新文档
http://pandas.pydata.org/pandas-docs/stable/indexing.html
这里我们有新的操作符，.iloc明确支持整数索引，.loc明确支持标签索引
例如想象这种情况
In [1]: df = pd.DataFrame(np.random.rand(5,2),index=range(0,10,2),columns=list('AB'))
In [2]: df
Out[2]:
A B
0 1.068932 -0.794307
2 -0.470056 1.192211
4 -0.284561 0.756029
6 1.037563 -0.267820
8 -0.538478 -0.800654
In [5]: df.iloc[[2]]
Out[5]:
A B
4 -0.284561 0.756029
In [6]: df.loc[[2]]
Out[6]:
A B
2 -0.470056 1.192211
[]仅对行进行切片（按标签位置）
[]是选择列。当索引运算符传递一个字符串或整数时，它会尝试查找具有该特定名称的列并将其作为系列返回。
因此，在上面的问题中：df[2]搜索与整数值匹配的列名2。此列不存在，并且KeyError引发了 a。
奇怪的是，当给定一个切片时，DataFrame 索引运算符会选择行，并且可以通过整数位置或索引标签来选择行。
df[2:3]
这将从整数位置 2 到 3 的行开始切片，不包括最后一个元素。所以，只有一行。下面每第三行选择从整数位置 6 开始到但不包括 20 的行。
df[6:20:3]
如果您的 DataFrame 索引中有字符串，您也可以使用由字符串标签组成的切片。有关更多详细信息，请参阅.iloc 与 .loc 上的此解决方案。
我几乎从不将这种切片符号与索引运算符一起使用，因为它不明确且几乎从未使用过。按行切片时，坚持使用.loc/.iloc.
您可以将 DataFrame 视为 Series 的字典。df[key]尝试选择列索引key并返回一个 Series 对象。
但是，在 [] 内部切片会切片行，因为这是一种非常常见的操作。
您可以阅读文档以了解详细信息：
http://pandas.pydata.org/pandas-docs/stable/indexing.html#basics
要对 pandas 表进行基于索引的访问，还可以考虑使用 numpy.as_array选项将表转换为 Numpy 数组：
np_df = df.as_matrix()
进而
np_df[i]
会工作。
你可以看看源代码。
DataFrame有一个私有函数_slice()来对 进行切片DataFrame，它允许参数axis确定要切片的轴。__getitem__()for调用时DataFrame不设置轴。_slice()因此_slice()默认将其切片为轴 0。
您可以进行一个简单的实验，这可能会对您有所帮助：
print df._slice(slice(0, 2))
print df._slice(slice(0, 2), 0)
print df._slice(slice(0, 2), 1)
您可以像这样遍历数据框。
for ad in range(1,dataframe_c.size):
print(dataframe_c.values[ad])
我通常会.loc/.iloc按照 Ted 的建议去做，但也可以通过转置 DataFrame 来选择一行。留在上面的例子中，df.T[2]给你第 2 行df。