Series
Series import numpy as np import pandas as pd s = pd.Series([1,2,3,4],index=list(‘abcd‘)) #获取 data = s[‘b‘]#显式索引 print(data) data = s[1]#隐式索引 print(data) #切片 data = s[‘b‘:‘d‘]#显式索引 print(data) data = s[1:3]#隐式索引 print(data) #过滤 data = s[s>2] print(data)
dataframe
DataFrame import numpy as np import pandas as pd s = np.arange(12).reshape(3,4) s = pd.DataFrame(s, index = list(‘abc‘), columns=list(‘ABCD‘)) print(s) print(‘-‘*50) #显示索引选取一行 data = s.loc[‘a‘] print(data) #显示索引选取一列 data = s.loc[:,‘A‘] print(data) #显示奇数行偶数列 data = s.loc[‘a‘:‘c‘:2, ‘B‘:‘D‘:2] print(data) #显示制定行制定列 data = s.loc[[‘a‘,‘b‘],[‘A‘,‘C‘]] print(data)
隐式索引是从0到length-1的数字，
是左闭右开的。
显式索引是自己设置的，
如果显示索引是数字，那就是左闭右开的
如果显示索引为字母，那就是左闭右闭的。
我们默认的使用的是显示索引，如果显式索引使用的是字符，我们用数字进行索引这才是隐式索引。
如果显示索引和隐式索引有冲突
比如说显示为[1,2,3,4]隐式为[0,1,2,3]
那么，我们默认的使用的是显示索引。
为了程序易读。s.loc[]表示显式索引。s.iloc[]表示隐示索引
显示索引并且是字符的情况下，是左闭右闭的。
dataframe：索引行是高纬度
s[2]选的是第2行
但是dataframe构成的时候二维度的东西，高纬度的是列名。
原文：https://www.cnblogs.com/yunshangyue71/p/13584327.html