Pandas中Series和DataFrame的索引实现-创新互联
今天就跟大家聊聊有关Pandas中Series和DataFrame的索引实现，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
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
看完上述内容，你们对Pandas中Series和DataFrame的索引实现有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联成都网站设计公司行业资讯频道，感谢大家的支持。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
分享标题：Pandas中Series和DataFrame的索引实现-创新互联
文章起源：http://cdiso.cn/article/depojj.html
