Pandas入门笔记2-索引对象

前面我们已经见过DataFrame的索引对象了，索引的作用是负责管理标签与其他元数据。

data={'index':[1,2,3,4,5],'year':[2012,2013,2014,2015,2016],'status':['good','very good','well','very well','wonderful']}

frame2=DataFrame(data,columns=['status','year','index'],index=['one','two','three','four','five'])
print frame.index

RangeIndex(start=0, stop=5, step=1)

默认的索引是从0开始递增1的自然数序列
下面介绍一下Index对象的方法与属性

方法	属性
append	链接另一个index对象，产生一个新的Index
diff	计算差集，并得到一个Index
intersection	计算交集
union	计算并集
isin	计算一个指示各值是否都包含在参数集合中的布尔型数组
delete	产出索引i出的元素，并得到新的Index
drop	删除传入的值，并得到新的Index
insert	将元素插入到索引i处，并得到新的Index
is_monotonic	将各元素均大于等于前一个元素时，返回True
is_unique	将Index没有重复值时，返回True
unique	返回Index中唯一的数组

下面举一个例子

index1=pandas.Index(numpy.arange(5))
index2=pandas.Index(numpy.arange(7))
print index2.union(index1)

Int64Index([0, 1, 2, 3, 4, 5, 6], dtype='int64')

下面介绍一下重新索引与填充

obj=Series([4,5,5.5,8.46],index=['d','b','a','c'])
print obj.reindex(['a','b','c','d','e'])
print obj.reindex(['a','b','c','d','e'],fill_value=0)

a    5.50
b    5.00
c    8.46
d    4.00
e     NaN
dtype: float64
a    5.50
b    5.00
c    8.46
d    4.00
e    0.00
dtype: float64

DataFrame可以通过index删除数据

print obj.drop('b')

d    4.00
a    5.50
c    8.46
dtype: float64

接下来总结一下DataFrame的索引选项

类型	说明
obj[val]	选取DataFrame的单个列或者一行列。在一些特殊情况下会比较便利：布尔型数组，切片，布尔型DataFrame
obj.ix[val]	选取单个行或者一组行
obj[:,val]	选择单个列或者列子集
reindex	重新索引
xs	根据标签选取单行或者单列，返回一个Series
icol，irow	根据整数选取单行或者单列，返回一个Series