Python库Pandas《Pandas Cookbook》第04章 选取数据子集

这是书籍《Pandas Cookbook》书籍第04章的代码复现，所有代码运行在Jupyter Notebook上，原讲解地址是：
https://www.jianshu.com/p/bd0bc1b5b4b6
我上传代码的github地址是：
https://github.com/Asunqingwen/PandasCookbook.git
github上有该书中用到的data，里面代码会不定期更新（因为工作原因，时间不定），直到本书学习完成！
相比原讲解，会穿插一些自己的理解，水平有限，请各路大神指正。

1.选取Series数据

这段和第01章中Series的获取有点类似，主要是通过index和column_name进行行和列的选取，选取操作用到了iloc和loc函数——前者用整数或整数列表表示，后者用index或index的列表表示

或者直接用类似Python方法的dict和list切片用法，还可以像list那样反向切片

2.选取DataFrame的行

个人认为，这部分和第1部分讲的内容是一样的，都是通过iloc和loc函数选取DataFrame的行

3.同时选取DataFrame的行和列

这部分相对于之前的两部分，也就是在iloc和loc上使用的参数变为了二维的，所以可以同时选取行和列

4.用整数和标签选取数据

用整数和index结合column_name选取行和列，只是column_name对应的列数来源于get_loc()，index来源于index属性

5.快速选取标量

当我们指定index和column_name，那么就会获取唯一的值，也可以叫标量。可以用loc和iloc，也可以用获取标量的专有函数at和iat。
这部分最有趣的地方是用到了一个Python中的魔法函数——%timeit，这个函数会自动运行其后的语句多次，以计算平均运行时间，区别于%time，只计算当前运行一次的时间

6.惰性行切片

网上找了找，只有Python的generator部分有惰性的说法，即next()的时候才会开始计算下一个值，这里的惰性切片，我的理解就是——定义好合适的start,stop,step，一个接一个输出来，不用调用iloc或loc，内部实现可能就是基于generator的。

但是这样的惰性切片操作不适用于列，对于列只能用iloc和loc

7.按照字母切片

这部分感觉有点意思，用26个英文字母的顺序来进行切片，所以很明显得先基于索引排序，这样才使得索引列具有顺序意义，那么就能进行切片了，因为不排序，直接切片会产生如下错误：
ValueError: index must be monotonic increasing or decreasing
字面意思就是index必须单调递增或递减

排序后，index符合要求，就可以切片了，其中涉及到了两个检查字母排序顺序的属性，s_monotonic_increasing()和is_monotonic_decreasing，顾名思义，就是是否单调递增或单调递减