Pandas数据处理之Pandas的Index对象
《Python数据科学手册》读书笔记
3.2.3 Pandas的Index对象
Series 和DataFrame 对象都使用便于引用和调整的显式索引。。Pandas 的
Index 对象是一个很有趣的数据结构，可以将它看作是一个不可变数组或有序集合
In [1] : import numpy as np
import pandas as pd
In [2] : ind = pd.Index([2,3,5,7,11])
In [3] : ind
Out[3] :Int64Index([2, 3, 5, 7, 11], dtype='int64')
1. 将Index看作不可变数组
Index 对象的许多操作都像数组。例如，可以通过标准Python 的取值方法获取数值，也可以通过切片获取数值：
In [4] : ind[1]
Out[4] :3
In [5] : ind[::2]
Out[5] :Int64Index([2, 5, 11], dtype='int64')
# 类似于Numpy的属性
In [6] : ind.size
Out[6] :5
In [6] : ind.shape
Out[6] :(5,)
In [6] : ind.dtype
Out[6] :dtype('int64')
Index 对象与NumPy 数组之间的不同在于，Index 对象的索引是不可变的，也就是说不能通过通常的方式进行调整：
In [7] : ind[1] = 0
TypeError: Index does not support mutable operations
Index 对象的不可变特征使得多个DataFrame 和数组之间进行索引共享时更加安全，尤其是可以避免因修改索引时粗心大意而导致的副作用。
2. 将Index看作有序集合
Index对象可以求交集、并集
In [8] : indA = pd.Index([1, 3, 5, 7, 9])
indB = pd.Index([2, 3, 5, 7, 11])
In [9] : indA & indB # 交集
Out[9] : Int64Index([3, 5, 7], dtype='int64')
In[10] : indA | indB # 并集
Out[10]: Int64Index([1, 2, 3, 5, 7, 9, 11], dtype='int64')
In[11] : indA ^ indB # 异或
Out[11]: Int64Index([1, 2, 9, 11], dtype='int64')