切片（Slicing）是快速截取序列部分元素的语法，支持字符串、列表、元组，更核心的是适配 pandas 的 Series 和 DataFrame——对应 Excel 里“选中部分行/列”，但更灵活高效。
一、切片核心语法
核心格式：对象[start:stop:step]
-
start：起始索引（包含，默认 0）；
-
stop：结束索引（不包含，必须指定或用 : 省略）；
-
step：步长（默认 1，负数反向）；
-
关键：左闭右开（取得到 start、取不到 stop），索引从 0 开始。
简化写法（高频）：
| 语法 | 含义 | 示例 [1,2,3,4,5] |
|---|---|---|
| 对象[start:] | 从 start 取到末尾 | [2:] → [3,4,5] |
| 对象[:stop] | 从开头取到 stop-1 | [:3] → [1,2,3] |
| 对象[:] | 取全部（复制序列） | [:] → [1,2,3,4,5] |
| 对象[::step] | 按步长取，负步长反向 | [::2]→[1,3,5]；[::-1]→[5,4,3,2,1] |
二、Python 基础对象切片
1. 列表切片
2. 字符串切片
三、pandas 核心切片
准备数据：
1. 筛选行
2. 筛选列
3. 同时筛行和列（矩形区域，类比 Excel A2:C4）
4. Series 切片
四、核心应用场景
1. 预处理：取少量数据测试公式
2. 快速提取 Top 数据
3. 拆分训练集/测试集
五、常见误区
-
索引从 0 开始：df.iloc[0] 是第一行，不是 df.iloc[1]；
-
左闭右开：df.iloc[1:4] 取 1,2,3，不含 4；要取到 4 得写 1:5；
-
df[1:3] 是筛行不是筛列；筛列要用 df.iloc[:,1:3] 或 df[[‘列名’]]；
-
反向截取必须写 step=-1：df.iloc[::-1] 才是反转，df.iloc[-1:] 只是取最后一行；
-
切片返回副本，改切片结果不影响原 df。
六、总结
-
基础格式 [start:stop:step]，左闭右开，索引从 0 开始；
-
pandas 用 iloc[行范围, 列范围] 精准切片，类比 Excel 选矩形区域；
-
核心用途：数据筛选、拆分、预处理测试、提取关键数据；
-
高频：合并后截部分行验证、新增列前切片测逻辑、拆分训练/测试集。