3-2 Pandas的索引操作

Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一
（1） 一个强大的分析和操作大型结构化数据集所需的工具集
（2） 基础是NumPy，提供了高性能矩阵的运算
（3） 提供了大量能够快速便捷地处理数据的函数和方法
（4）应用于数据挖掘，数据分析
（5）提供数据清洗功能

2. Pandas的索引操作

2.1 索引对象Index

1. Series和DataFrame中的索引都是Index对象

import numpy as np
import pandas as pd

#Series和DataFrame中的索引都是Index对象
ps=pd.Series(range(5),index=['a','b','c','d','e'])
#结果为：pandas.core.indexes.base.Index
type(ps.index)

pd1 = pd.DataFrame(np.arange(9).reshape(3,3),index=['a','b','c'],columns=['A','B','C'])
#结果为：pandas.core.indexes.base.Index
print(type(pd1.index))
#结果为：pandas.core.indexes.base.Index
print(type(pd1.columns))

2. 索引对象不可变，保证了数据的安全

# 错误代码 索引不可修改
pd1.index[1]=2

3. 常见的Index种类

index种类	说明
Index	索引
Int64Index	整数索引
MultiIndex	层级索引
DatatimeIndex	时间戳类型

2.2 索引的一些基本操作

2.2.1 重新索引

#reindex 创建一个符合新索引的新对象 索引f对应的值为NaN
ps2 = ps.reindex(['a','b','c','d',