numpy中ndarray对象和pandas中DataFrame对象的索引方法及对比

       pandas库是基于numpy构建的，所以其中的数据类型具有许多的相似之处，这里我们研究ndarray和DataFrame这两种数据结构在索引方面的方法，并做一些基本的对比，以此让我们更好的记忆和理解相应的索引方法。先抛出结论：对于DataFrame对象，其只有直接的df[][]索引和ndarray不一样，此时DataFrame先索引的是列，而不是行，也没有df[i,j]的索引方法，但是对于切片索引以及df.iloc的索引方法，和ndarray完全一样；此外，DataFrame还有df.loc的标签索引方法。

       首先对于ndarray，如图定义一个二维的ndarray对象，则arr[i]和arr[i][j](等价于arr(i,j))都可以表示索引，其中arr[i]表示行索引，arr[i][j]表示有顺序的先进行第一个维度的索引（即行），再进行第二个维度的索引（即对应的行中的元素）；同理的，对于三维的ndarray也是如此，arr[i][j][k](等价于arr(i,j,k))表示一次在第1、2、3维度上的索引。这里只是要注意在ndarray中，降维时，指标的从左到右对应维度的从外到内，故如果是三维ndarray,arr[0]对应第一个截面，以此类推。

       当然，ndarray还可以进行切片索引，比如arr[0,:]表示第一行，arr[:,0]表示第一列。

       对于DataFrame，如图定义一个DataFrame对象df.虽然同ndarray类似，都有类似的索引方式，但是直接索引的内容却不一样，比如df['a']得到第一列，这里不同于arr[i]，对于DataFrame对象，直接的df[i]索引，得到的是第i+1列，而不是第i+1行，因此df['a'][2]会得到8,之所以会如此定义，是为了在实际中使用的方便。要注意的是，DataFrame对象没有df[i,j]的索引方式。

       但是，当进行切片索引的时候，比如重新定义如下的df，切片索引又同ndarray一样，df[:2]得到前两行，而不是前两列；df[:][:1]得到第一列。故在切片索引的时候，又和ndarray一样了。此外，DataFrame对象还有索引方法df.iloc[]和df.loc[]，前者是对index和columns为整数时的所以，后者是对index和columns为其他标签时的索引；对于df.iloc[]，其索引方式和ndarray完全一样，既可以以df.iloc[i][j]的方式索引，也可以以df.iloc[i,j]的方式索引，当然也可以直接的df.iloc[i]的方式索引。

       因此，综上可知，对于DtaFrame对象，其只有直接的df[][]索引和ndarray不一样，此时DataFrame先索引的是列，而不是行，也没有df[i,j]的索引方法，但是对于切片索引以及df.iloc的索引方法，和ndarray完全一样；此外，DataFrame还有df.loc的标签索引方法。