提取pandas中的所有以下行

在pandas中，可以使用以下几种方法来提取DataFrame中的行：

使用索引号提取行：
- 概念：索引号是每行数据的唯一标识符，可以通过索引号来定位和提取特定的行。
- 分类：索引号可以是整数型、字符串型等。
- 优势：使用索引号提取行非常高效，适用于需要快速定位和提取特定行的场景。
- 应用场景：当需要提取特定行或根据索引号进行行操作时，可以使用索引号提取行。
- 示例代码：df.loc[2:5] # 提取索引号为2到5的行（包括2和5）
使用条件提取行：
- 概念：根据指定的条件，提取满足条件的行。
- 分类：条件可以是比较运算符（如大于、小于等）、逻辑运算符（如与、或等）的组合。
- 优势：使用条件提取行可以根据具体需求进行灵活的筛选和过滤。
- 应用场景：当需要根据特定条件提取行时，可以使用条件提取行。
- 示例代码：df[df['column_name'] > 10] # 提取满足某一列大于10的行
使用位置提取行：
- 概念：根据行的位置（从0开始计数）来提取行。
- 分类：位置可以是单个位置、位置范围或位置列表。
- 优势：使用位置提取行可以根据行的相对位置进行提取，适用于需要按照位置进行操作的场景。
- 应用场景：当需要按照位置提取行时，可以使用位置提取行。
- 示例代码：df.iloc[2:5] # 提取位置为2到4的行（不包括5）
使用标签提取行：
- 概念：根据行的标签（标签可以是行索引或列标签）来提取行。
- 分类：标签可以是单个标签、标签范围或标签列表。
- 优势：使用标签提取行可以根据行的具体标签进行提取，适用于需要按照标签进行操作的场景。
- 应用场景：当需要按照标签提取行时，可以使用标签提取行。
- 示例代码：df.loc[['label1', 'label2', 'label3']] # 提取标签为label1、label2和label3的行