如果您的Dataframe具有简单的列索引，则没有区别。例如，
In [8]: df = pd.Dataframe(np.arange(12).reshape(4,3), columns=list('ABC'))In [9]: df.loc[:, ['A','B']]Out[9]: A B0 0 11 3 42 6 73 9 10In [10]: df.loc[:, ('A','B')]Out[10]: A B0 0 11 3 42 6 73 9 10但是，如果Dataframe具有MultiIndex，则可能会有很大的不同：
df = pd.Dataframe(np.random.randint(10, size=(5,4)), columns=pd.MultiIndex.from_arrays([['foo']*2+['bar']*2, list('ABAB')]), index=pd.MultiIndex.from_arrays([['baz']*2+['qux']*3, list('CDCDC')]))# foo bar # A B A B# baz C 7 9 9 9# D 7 5 5 4# qux C 5 0 5 1# D 1 7 7 4# C 6 4 3 5In [27]: df.loc[:, ('foo','B')]Out[27]: baz C 9 D 5qux C 0 D 7 C 4Name: (foo, B), dtype: int64In [28]: df.loc[:, ['foo','B']]KeyError: 'MultiIndex Slicing requires the index to be fully lexsorted tuple len (1), lexsort depth (0)'KeyError表示必须对MultiIndex进行排序。如果我们这样做，那么我们仍然会得到不同的结果：
In [29]: df.sortlevel(axis=1).loc[:, ('foo','B')]Out[29]: baz C 9 D 5qux C 0 D 7 C 4Name: (foo, B), dtype: int64In [30]: df.sortlevel(axis=1).loc[:, ['foo','B']]Out[30]: fooA Bbaz C 7 9 D 7 5qux C 5 0 D 1 7 C 6 4这是为什么？
df.sortlevel(axis=1).loc[:, ('foo','B')]正在选择第一列级别等于foo，第二列级别等于的列
B。
相反，
df.sortlevel(axis=1).loc[:,['foo','B']]正在选择第一列级别为
foo或的列
B。关于第一列级别，没有
B列，但是有两
foo列。
我认为Pandas的操作原理是，如果您将其
df.loc[...]用作 表达式
，则应假定
df.loc可能正在返回副本或视图。Pandas文档未指定您应该遵循的任何规则。但是，如果您 分配 表格
df.loc[...] = value
那么您可以信任熊猫来改变
df自己。
该文档之所以警告有关视图和副本之间的区别的原因，是为了使您意识到使用以下形式的链分配的陷阱
df.loc[...][...] = value
在这里，Pandas
df.loc[...]首先评估，它可以是视图或副本。现在，如果它是副本，则
df.loc[...][...] = value
正在更改的某些部分的副本
df，因此对其
df自身没有影响。更糟的是，由于没有引用副本，因此对副本的影响也会丢失，因此在赋值语句完成后就无法访问副本，因此（至少在CPython中）垃圾收集。
我不知道一种实用 的先验 方法来确定是否
df.loc[...]要返回视图或副本。
但是，有一些经验法则可能有助于指导您的直觉（但是请注意，我们在这里讨论实现细节，因此不能保证熊猫将来会以这种方式行事）：
- 如果结果NDframe无法表示为基础NumPy数组的基本切片，则它可能是一个副本。因此，选择任意的行或列将导致复制。选择顺序行和/或顺序列（可以表示为切片）可以返回视图。
- 如果结果NDframe具有不同dtypes的列，则
df.loc
可能会再次返回一个副本。
然而，有一个简单的方法来确定是否
x = df.loc[..]是一个视图 一个postiori
：只需看看是否改变值
x影响
df。如果是，则为视图，否则
x为副本。
