真实序号索引与标签索引的使用

DataFrame索引分为两种，一种真实序号索引，0代表第一行，1代表第二行，依此类推；另一种是标签索引，行序号或列序号可以用标签，比如说'a','b'等等；分别对应iloc与loc函数；iloc是一种真实序号索引；loc是一种标签索引；ix是混合标签；有一种情况在ix时需要特别注意，如果标签是整数序列，那么真实序号索引就用不了，只能当作loc来用；查看官方解释：However, when an axis is integer based, ONLY label based access and not positional access is supported. Thus, in such cases, it's usually better to be explicit and use ``.iloc`` or ``.loc``.

曾经犯的错：df.ix[0,'close']并没有取到第一行；后来对这种情况统一采用df['close].iloc[0]这种方式；先通过标签定位到列，然后用iloc定位到自己想要的真实序号的行；

来看一个案例：

代码如下：

import numpy as np
import pandas as pd
import math

data=[[0,0,0,2,2],
                [0,0,0,3,3],
                [0,0,0,1,1],
                [1,1,1,0,0],
                [2,2,2,0,0],
                [5,5,5,0,0],
                [1,1,1,0,0]]
#u, sigma, vt = np.linalg.svd(data)
df=pd.DataFrame(data)
print(df)
print(df.iloc[0])#定位到第一行
df=df.sort_values(0,ascending=False)#按列标签0排序；
#print(help(df.ix))
print(df)
print(df.ix[0])#定位到标签0
df.drop(0,axis=0,inplace=True)#删除指定0标签的行；所以0标签的行就不存在了
print(df)
print(df.ix[0])#不存在0标签，索引就会犯错

注意细节：1、drop第一个参数传入的是labels，官方解释如下 ：

2、sort_values第一个参数传入的是labels；官方解释传入字符串，str or list of str；测试如下：
df=df.sort_values(0,ascending=False)
df.columns=list('abcde')
print(df)
df=df.sort_values(0,ascending=False)
print(df)

从这里可以证明传入必须是label，传入整数时，就将整数当作了label如同行索引一样的；官方帮助文档的解释是不足的，没有考虑传入整数的情况；

看代码：
print(type(df.columns[0]))#  int

df.columns=list('abcde')
print(type(df.columns[0])) # str

df=pd.DataFrame(data)
print(type(df.columns[0]))
print(df)
print(df.iloc[0])
df=df.sort_values(0,ascending=False)
df.columns=list('01234')
print(type(df.columns[0]))
print(df)
df=df.sort_values(0,ascending=False)#这里就报错了，因为不存在整数0标签，只存在字符串‘0’标签；
print(df)

结论：sort_values传入是标签，和drop一样；