Pandas(2)

索引操作

• series类对象属于一维结构，只有行索引，儿dataframe类对象属于二维结构，他同时拥有行索引和列索引，所以他们的索引操作也有所不同

series的索引操作

• 既可以通过索引的名称获取也可以通过索引的位置来获取

ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj[0]     # 通过索引位置进行获取数据
ser_obj['a']  #通过索引名称进行获取
out：1

• 切片:使用位置进行切片和列表切片一样既包含起始点不包含终止点，如果使用索引名称进行切片，既包含起始点也包含终止点。

ser_obj[0:2]  # 使用索引位置进行切片
a    1
b    2
dtype: int64

ser_obj['a':'c'] #使用索引名称进行切片
a    1
b    2
c    3
dtype: int64

*切片获取不连续的数据

ser_obj[::2]  #使用索引位置进行切片
a    1
c    3
e    5
dtype: int64

ser_obj[['a','c','e']] #使用索引名称进行切片
a    1
c    3
e    5
dtype: int64

• 布尔索引同样适用

ser_obj[ser_obj>2]
c    3
d    4
e    5
dtype: int64

DataFrame的索引操作

• DataFrame的每列数据都是一个Series对象，我们可以通过列索引进行获取

import numpy as np
arr = np.arange(12).reshape(3,4)
arr_df = pd.DataFrame(arr,columns=['a','b','c','d'])
arr_df
OUT:a	b	c	d
0	0	1	2	3
1	4	5	6	7
2	8	9	10	11

arr_df[['a','c']]
OUT:a	c
0	0	2
1	4	6
2	8	10

arr_df[0:1][['a','b']]
OUT:a	b
0	0	1

算术运算与数据对齐

• pandas在执行算术运算时，会按照索引进行对齐。Series根据行索引对齐，DataFrame是根据行索引和列索引对齐

obj_1 = pd.Series(range(10,13))
obj_2 = pd.Series(range(20,25))
obj_1 + obj_2     #使用NaN进行填充
OUT:
0    30.0
1    32.0
2    34.0
3     NaN
4     NaN
dtype: float64

obj_1.add(obj_2,fill_value=0) # 填充值改为0
OUT:
0    30.0
1    32.0
2    34.0
3    23.0
4    24.0
dtype: float64

数据排序

• pandas中按索引进行排序的方法是：sort_index()方法。该方法可以使用行索引或者列索引进行排序
• sort_index(ax