Pandas 中有多种方式可以选择数据，包括使用 .loc 和 .iloc。其中 .loc 是根据标签进行选择，而 .iloc 是根据整数位置进行选择。

下面是一个使用 .loc 进行索引选择的例子：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12]}, index=['a', 'b', 'c', 'd'])

# 使用 .loc 选择 'b' 行和 'B' 列的数据
selection = df.loc['b', 'B']
print(selection)

输出为：

6

在上面的例子中，我们可以看到 .loc 是根据标签进行选择的。第一个参数 'b' 是标签，表示选择数据框中的第二行。第二个参数 'B' 也是标签，表示选择数据框中的第二列。

如果使用 .iloc 进行选择，同样的操作将会是这样：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12]}, index=['a', 'b', 'c', 'd'])

# 使用 .iloc 选择第二行和第二列的数据
selection = df.iloc[1, 1]
print(selection)

输出为：

6

在这个例子中，我们看到使用 .iloc 选择数据时，通过传入整数位置来选择行和列。

总之， .loc 和 .iloc 是 Pandas 数据选择中最常用的方法之一，掌握它们的工作原理可以帮助我们更简单方便地选择数据。