书里介绍索引方法以罗列为主，看完容易记住难，并没有把几种索引方法总结归纳出来。所以本篇学习笔记，我争取把几种索引方法总结出来，便于记忆。
目录
- 一、Series对象索引
- 1、['索引名'] or ['索引名1' : '索引名2'] or [['索引名1', ..., '索引名n']]
- 2、[整数] or [整数1:整数2] or [[整数1,..., 整数n]]
- 3、[布尔表达式]
- 二、DataFrame对象索引
- 1、['列名1'] or ['列名1',..., '列名n']
- 2、[整数1:整数2]
- 3、[布尔表达式]
- 4、ix方法：DataFrame.ix['列名', ['索引名1',..., '索引名n']]
一、Series对象索引
1、['索引名'] or ['索引名1' : '索引名2'] or [['索引名1', ..., '索引名n']]
注：['索引名1' : '索引名2']取出的数组是左右都包含的。
import pandas as pd
import numpy as np
from pandas import Series, DataFrame
obj = Series(np.arange(4.), index = ['a', 'b', 'c', 'd'])
obj['a']
输出：0.0
obj['a':'c']
输出：
a 0.0
b 1.0
c 2.0
dtype: float64
obj[['a', 'b', 'c']]
输出：
a 0.0
b 1.0
c 2.0
dtype: float64
2、[整数] or [整数1:整数2] or [[整数1,..., 整数n]]
[整数1:整数2]取出的数组是包含整数1不包括整数2的。
obj[1]
输出：1.0
obj[1:3]
输出：
b 1.0
c 2.0
dtype: float64
obj[[0, 2]]
输出：
a 0.0
c 2.0
dtype: float64
3、[布尔表达式]
obj[obj<2]
输出：
a 0.0
b 1.0
dtype: float64
二、DataFrame对象索引
DataFrame对象与Series对象索引的区别在于，在index（索引名）基础上还有columns（列名）。
1、['列名1'] or [['列名1',..., '列名n']]
data = DataFrame(np.arange(16).reshape((4, 4)), index = ['Ohio', 'Colorado', 'Utah', 'New York'], columns = ['one', 'two', 'three', 'four'])
data
输出：
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
data['one']
输出：
Ohio 0
Colorado 4
Utah 8
New York 12
Name: one, dtype: int64
data[['one', 'three']]
输出：
one three
Ohio 0 2
Colorado 4 6
Utah 8 10
New York 12 14
2、[整数1:整数2]
这个方法是对行名进行索引。
data[0:2]
输出：
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
data[1:]
输出：
one two three four
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
3、[布尔表达式]
data[data['three']>5]
输出：
one two three four
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
4、ix方法：DataFrame.ix['列名', ['索引名1',..., '索引名n']]
ix方法可以对index及columns都进行索引。
data.ix['Colorado', ['two', 'three']]
输出：
two 5
three 6
Name: Colorado, dtype: int64
data.ix[['Colorado', 'Utah'], [1, 0, 3]]
输出：
two one four
Colorado 5 4 7
Utah 9 8 11
好了，Series和DataFrame的索引方法就总结到这里，自以为比书里的清晰一些吼吼。