Pandas中Series和DataFrame的索引实现
正文
在对Series对象和DataFrame对象进行索引的时候要明确这么一个概念：是使用下标进行索引，还是使用关键字进行索引。比如list进行索引的时候使用的是下标，而dict索引的时候使用的是关键字。
使用下标索引的时候下标总是从0开始的，而且索引值总是数字。而使用关键字进行索引，关键字是key里面的值，既可以是数字，也可以是字符串等。
Series对象介绍：
Series对象是由索引index和值values组成的，一个index对应一个value。其中index是pandas中的Index对象。values是numpy中的数组对象。
import pandas as pd
s1 = pd.Series([2,3,4,5], index=['a', 'b', 'c', 'd'])
print(s1)
结果：
a 2
b 3
c 4
d 5
dtype: int64
print(s1.index)
结果：
Index(['a', 'b', 'c', 'd'], dtype='object')
print(s1.values)
结果：
[2 3 4 5]
如何对Series对象进行索引？
1：使用index中的值进行索引
print(s1['a'])
结果：
2
print(s1[['a','d']])
结果：
a 2
d 5
dtype: int64
print(s1['b':'d'])
结果（注意，切片索引保存最后一个值）：
b 3
c 4
d 5
dtype: int64
2：使用下标进行索引
print(s1[0])
结果：
2
print(s1[[0,3]])
结果：
a 2
d 5
dtype: int64
print(s1[1:3])
结果（注意：这里和上面不同的是不保存最后一个值，与正常索引相同）：
b 3
c 4
dtype: int64
3：特殊情况：
上面的index为字符串，假如index为数字，这个时候进行索引是按照index值进行还是按照下标进行？
s1 = pd.Series([2,3,4,5], index=[1,2,3,4])
print(s1[2])
结果：
3
print(s1[0]) 会报错
print(s1[[2,4]])
结果：
2 3
4 5
dtype: int64
print(s1[1:3])
结果：
2 3
3 4
dtype: int64
可以看出来，当index为整数的时候，那么前两种选择是使用index的值进行索引， 而后一种切片选择使用的是下标进行索引。
4:使用布尔Series进行索引
使用布尔Series进行索引的时候，其实是要求布尔Series和我们的索引对象有相同的index。
s1 = pd.Series([2,3,4,5], index=['a', 'b', 'c', 'd']
print(s1 > 3)
结果（这是一个bool Series）：
a False
b False
c True
d True
dtype: bool
print(s1[s1 > 3])
结果（只需要把bool Series 传入Series就可以实现索引）：
c 4
d 5
dtype: int64
5：使用Index对象来进行索引
使用Index对象进行索引的时候，和使用值索引没有本质的区别。因为Index里面也存入了很多值，可以把Index看做一个list。
DataFrame对象介绍：
DataFrame对象是一个由行列组成的表。DataFrame中行由columns组成，列由index组成，它们都是Index对象。它的值还是numpy数组。
data = {'name':['ming', 'hong', 'gang', 'tian'], 'age':[12, 13, 14, 20], 'score':[80.3, 88.2, 90, 99.9]}
df1 = pd.DataFrame(data)
print(df1.index)
结果：
RangeIndex(start=0, stop=4, step=1)
print(df1.columns)
结果：
Index(['age', 'name', 'score'], dtype='object')
print(df1.values)
结果：
[[12 'ming' 80.3]
[13 'hong' 88.2]
[14 'gang' 90.0]
[20 'tian' 99.9]]
如何对DataFrame对象进行索引
1：使用columns的值对列进行索引
直接使用columns中的值进行索引，得到的是一列或者是多列的值
print(df1['name'])
结果：
0 ming
1 hong
2 gang
3 tian
Name: name, dtype: object
print(df1[['name','age']])
结果：
name age
0 ming 12
1 hong 13
2 gang 14
3 tian 20
注意：不可以直接使用下标对列进行索引，除非该columns当中包含该值。如下面的操作是错误的
print(df1[0])
结果： 错误
2：切片或者布尔Series对行进行索引
使用切片索引，或者布尔类型Series进行索引：
print(df1[0:3])
使用切片进行选择，结果：
age name score
0 12 ming 80.3
1 13 hong 88.2
2 14 gang 90.0
print(df1[ df1['age'] > 13 ])
使用布尔类型Series进行索引，其实还是要求布尔Series和DataFrame有相同的index，结果：
age name score
2 14 gang 90.0
3 20 tian 99.9
3：使用loc和iloc进行索引
本质上loc是用index和columns当中的值进行索引，而iloc是不理会index和columns当中的值的，永远都是用从0开始的下标进行索引。所以当你搞懂这句话的时候，下面的索引就会变得非常简单：
print(df1.loc[3])
结果：
name hong
score 88.2
Name: 3, dtype: object
print(df1.loc[:,'age'])
结果：
1 12
3 13
4 14
5 20
Name: age, dtype: int64
print(df1.iloc[3])
结果：
age 20
name tian
score 99.9
Name: 5, dtype: object
print(df1.iloc[:,1])
结果：
1 ming
3 hong
4 gang
5 tian
Name: name, dtype: object
以上是 Pandas中Series和DataFrame的索引实现 的全部内容， 来源链接： utcz.com/z/312588.html
