Series的索引和切片
因为Series只有一列，因此一般只对行进行操作，索引分为隐式索引和显示索引，因此不同的方式操作起来也不一样。
Series隐式索引的操作
lst = [1,3,5,6,10,23] s = pd.Series(lst)
s[0] # 取某一行，也可以说取某个元素
输出值为：
1
s[[0,1]] # 取多行时，里面则是列表，可存储多个
输出值为：
0 1 1 3 dtype: int64
s[0:2] # 切片操作，取0-2行，但是只能取到0和1行，顾头不顾尾
输出值为：
0 1 1 3 dtype: int64
s.iloc[0:4] # 使用iloc来专门对隐式索引进行相关操作，也是只能取到0和1行，顾头不顾尾
输出值为：
0 1 1 3 2 5 3 6 dtype: int64
s.iloc[[0,4]] # 使用iloc来专门对隐式索引进行相关操作，跟s[[0,1]]一样，指第0行和第4行的值
输出值为：
0 1 4 10 dtype: int64
Series显式索引的操作
lst = [1,3,5,6,10,23] s1 = pd.Series(lst,index=["A","B","C","D","E","F"])
A 1 B 3 C 5 D 6 E 10 F 23 dtype: int64
s1["A"] # 取某行或单个元素
输出值为：
1
s1[["A","B","F"]] # 取多行，可以是连续的，也可以是不连续的，顺序随意
输出值为：
A 1 B 3 F 23 dtype: int64
s1["A":"E"] # 切片，取A行和B行，这里的B行是可以取到的，头和尾都可以取到
输出结果为：
A 1 B 3 C 5 D 6 E 10 dtype: int64
s1.loc["A":"D"] # 使用loc来专门对显式索引进行相关操作，这里的B行也可以取到
输出结果为：
A 1 B 3 C 5 D 6 dtype: int64
s1.loc[["A","B", "E", "D"]] # 使用loc来专门对显式索引进行相关操作，顺序随意
输出结果为：
A 1 B 3 E 10 D 6 dtype: int64
总结
- Series的索引和切片只针对行而言，因为它只有一列
- loc是对于显式索引的相关操作(对于标签的处理)，iloc是针对隐式索引的相关操作(对于整数的处理)。
- 我们发现其实s[0:2] 与 s.iloc[0:2]没有太大差别（显式索引也是一样），这并不说明iloc就没有用，个人觉得它更有意义的是在DataFrame当中使用，后面会讲到。
原创文章，作者：朋远方，如若转载，请注明出处：https://caovan.com/02-yongyushujukexuede-python-jichuzhishizhipandas/.html
微信扫一扫 
