1. df[] 行為的邏輯

當 [] 裡是單一字串或list of strings

• 代表你選擇一個或多個欄位（columns）

df['A']          # 取出名為'A'的column（得到Series）
df[['A', 'B']]   # 取出名為'A','B'的columns（得到DataFrame）

輸出結果:

df[[“A”,”B”]] 等效:
pd.DataFrame(dic,columns=[“A”,”B”])

不要 誤以為columns 參數是
更改column name的意思,
將會取得NaN:

要更改column name,
請 建立好 DataFrame 後
賦值給 DataFrame.columns:

當 [] 裡是切片（slice） 或 bool Series/array

• 代表你選擇列（rows）

df[0:2]                # 取出第0、1兩行（用切片選row）
df[df['A'] > = 3]        # 用布林篩選row

輸出結果:

2. 為什麼會這樣設計？

Pandas 設計哲學

• DataFrame 是「以欄為主」的結構
  df[] 這個語法，最原始的設計，就是像dict一樣去取「欄」。
  • df['A'] 就像 d['A']
  • df[['A','B']] 就像從dict裡挑兩個key
• 但為了方便，也允許用切片和布林遮罩直接過濾row
  這是為了讓 DataFrame 有點像 Numpy array 的行為：
  • df[0:3] 直覺上就是要「取某幾rows」
  • df[條件] 就像 array 的「masking」

類比字典、array 的混合行為

• 像字典：「key」代表欄位
• 像陣列：「切片」或「布林陣列」代表row的篩選

3. 行為差異的合理解釋

欄位（columns）取法：

• 單一字串或list => 你是在指定欄位(key)，所以是「選欄」。

列（rows）取法：

• 切片(slice) => 行的index切片（跟Numpy array一致）
• 布林Series/array => 哪些row要保留（跟Numpy array一致）

總結：

• df[欄位名或list] → 取欄位（columns）
• df[切片或布林遮罩] → 取列（rows）

4. 更嚴謹的說法（官方文件）

The behavior of df[] depends on the type of the argument:

• If the argument is a string or list of strings: select columns.
• If the argument is a slice or boolean array/Series: select rows.

參考：Pandas 官方文件 – Indexing and selecting data

5. 建議

• 想選row/col都明確的話，建議用 .loc、.iloc，可避免混淆。

6. 記憶口訣

• df[欄位key] → 選column
• df[布林/切片] → 選row

推薦hahow線上學習python: https://igrape.net/30afN

df[0,"A"]
會觸發KeyError

這個錯誤訊息是因為用了 df[0, "A"] 這種寫法，
但在 Pandas 裡，這不是正確的取值方式。

原因說明

• df[] 只接受一個參數，這個參數是 column 名稱或 column 名稱的 list，或是 row 的 slice、boolean mask。
• 你傳入了一個tuple (0, "A")，Pandas 會把它當成欄位名稱去查找，結果找不到這個名為 (0, "A") 的欄位，所以報 KeyError。

正確的做法

如果你想「取第0列的’A’欄」：

請使用 .loc 或 .iloc：

• .loc：用標籤（index 和 column 名稱）
• .iloc：用數字位置（row 和 column 的整數 index）

延伸總結

• df[0, 'A'] 錯誤，因為只接受一個參數
• 用 df.iloc[row_idx, col_idx] 或 df.loc[row_label, col_label] 才能同時指定 row 和 column

官方文件參考

• pandas.DataFrame.iloc
• pandas.DataFrame.loc

推薦hahow線上學習python: https://igrape.net/30afN