pandas的Index对象

Index对象保存着索引标签数据，它可以快速找到标签对应的整数下标，其功能与Python的字典类似。

dict1={"Province":["Guangdong","Beijing","Qinghai","Fujiang"],
      "year":[2018]*4,
      "pop":[1.3,2.5,1.1,0.7]}
df1=DataFrame(dict1)
df1
代码结果
        Province    pop    year
0    Guangdong    1.3    2018
1    Beijing    2.5    2018
2    Qinghai    1.1    2018
3    Fujiang    0.7    2018

调用.columns返回DataFrame对象的列索引（即所有列标签）：

col_index=df1.columns
col_index.values

代码结果：

array(['Province', 'pop', 'year'], dtype=object)

ind_index=df1.index
ind_index.values

代码结果：

array([0, 1, 2, 3], dtype=int64)

Index对象可当做一维数组，适合Numpy数组的下标运算，但Index对象只是可读，创建后不可修改。

print(col_index[[1,2]])
print(ind_index[ind_index>1])

代码结果：
Index(['pop', 'year'], dtype='object')
Int64Index([2, 3], dtype='int64')

index对象具有字典的映射功能，.get_loc(value)获得单值得下标，.get_indexer(values)获得一组值得下标，当值不存在则返回-1：

print(col_index.get_loc('pop'))
print(col_index.get_indexer(['pop','year']))

代码结果：
1
[1 2]

Index对象调用Index()来创建，可传递给DataFrame对象的参数index和columns。因为Index是不可变的，因此多个DataFrame对象的索引可以是同个Index对象。

index=pd.Index(['a','b','c'])
df2=DataFrame(np.random.randint(1,10,(3,3)),index=index,columns=index)
df2