本文主要分享的是在实际项目中如何对采集的质量监控数据进行实时预警。今天我们将介绍如何从dataframe中获取所需的行或列，主要涉及loc方法的使用。以下是详细的操作步骤和示例：
第一部分：构建一个DataFrame
DataFrame可以视为一个具有行标题和列标题的二维表格。以下是一个通过字典构建DataFrame的示例，并通过index参数指定行名称：
import pandas as pd
dict1 = {"a": [1, 3, 5, 6], "b": [11, 12, 15, 16], "c": [22, 27, 29, 30], "d": [82, 87, 89, 80]}
df = pd.DataFrame(dict1, index=["x", "y", "z", "q"])
print("df= \n", df)运行结果：
第二部分：行操作
使用loc属性进行行操作。loc后紧跟[行，列]，其中中括号中放入所需的行索引和列索引。如果不需要筛选列，可以省略列信息部分。多行可以使用列表或切片操作：
df1 = df.loc[["x", "q"]]
print("\ndf1= \n", df1)
df11 = df.loc["x":"z"]
print("\ndf11= \n", df11)运行结果：
第三部分：列操作
使用loc属性进行列操作。[:，列]中，行部分使用:表示所有行，只筛选列信息。多列可以使用列表或切片操作：
df2 = df.loc[:, ["a", "c"]]
print("\ndf2= \n", df2)
df22 = df.loc[:, "a":"c"]
print("\ndf22= \n", df22)运行结果：
第四部分：行列混合操作
行列混合操作是前两种操作的综合，[行，列]中同时指定行和列信息。多行或多列时，可以使用列表或切片操作：
df3 = df.loc[["x", "q"], ["a", "d"]]
print("\ndf3= \n", df3)
df33 = df.loc["x": "z", "a":"c"]
print("\ndf33= \n", df33)运行结果：
