第二章 超好用的Pandas索引（上）

0 前言

索引，相当于一本书的目录，告知读者XX内容在一本书的位置。同样地，Pandas索引用于定位特定元素的位置，也用于获取特定位置的元素。
总的来说，可将Pandas索引分为一级索引和多级索引。

1 一级索引

一级索引可归结为四种：

1.1 loc方法、iloc方法、[]操作符

最常用的索引方法可能就是这三类，其中iloc表示位置索引，loc表示标签索引，[]也具有很大的便利性，各有特点。

1.1.1 loc方法

本质上说，loc中能传入的只有布尔列表和索引子集构成的列表。
网上关于loc方法使用的教程很多，而使用loc方法，需要注意的问题有：

# 1. 所有在loc中使用的切片全部包含右端点！所有在loc中使用的切片全部包含右端点！所有在loc中使用的切片全部包含右端点！

# 2. 使用loc方法，即使输入的标签索引是字符也可以进行切片操作（不同于列表，列表只能使用位置索引来切片）：
df1 = pd.DataFrame({'A': ['ab', 'bc', 'cd', 'de'], 'B': [1, 2, 3, 4], 'C': [2, 3, 3, 4]})
df1 = df1.set_index('A')
df1.loc['bc':]

# 3. 可在切片操作中使用步长
df1.loc['bc'::-1]

# 4. 函数索引
df1.loc[lambda x:x['C']==3] # loc中使用的函数，传入参数就是前面的df1

1.1.2 iloc方法

和loc方法截然不同，iloc中接收的参数只能为整数或整数列表，不能使用布尔索引。
使用iloc方法，需要注意的地方包括：

# 1. 所有在iloc中使用的切片不包含右端点！所有在iloc中使用的切片不包含右端点！所有在iloc中使用的切片不包含右端点！

# 2. 可在切片操作中使用步长
df1.iloc[:, 3::-2].head() # 从第3列往前取，往前隔一列取一列

# 3. iloc也能使用函数索引

1.1.3 []操作符

一般来说，[]操作符常用于列选择或布尔选择，尽量避免行的选择。如果非得用于行的选择，则不要在行索引为浮点时使用[]操作符，因为在Series中的浮点[]并不是进行位置比较，而是值比较，非常特殊。