Python数据分析入门日记Day7：数据分析库Pandas：索引

Python数据分析入门日记Day7

——数据分析库Pandas:索引(index)

通过昨天的学习，发现无论是在Series，还是在Dataframe中的数据，Python中输出时第一列系统都会加入一列由数字表示的索引，以昨天文末读取的数据集为例：

添加索引有两大好处：其一是通过索引或索引标签来获取目标数据，其二就是在对多个序列进行运算时实现自动化对齐。

1、通过索引提取数据

（1）定义一个新的序列s1。

如果不为s1添加指定的索引，系统为其添加0~5、间隔为1的数字索引，因此，通过.index函数查看对应的索引值，发现索引值从0开始，到6结束（由于Python“算头不算尾”），步长为1。

（2）添加索引标签

利用.index函数可以为序列自定义索引值，即修改索引标签，具体操作如下：

发现s1的索引标签发生了改变，变为“a,b,c,d,e,f”。

（3）利用索引提取数据

提取索引值为“4”所对应的元素：

提取索引值为“1,2,5”所对应的元素：

提取索引标签为“a、c、f”的元素：

提取前4个元素：

从序列中间提取某些间隔的元素，比如，从索引标签“b”提取到“e”所对应的元素：

可以看到，当使用索引标签提取元素时，首尾值都被返回了，但之前用索引值提取时，末尾值只能返回到前一位的元素。和之前的对比一下：

这就是序列不同于之前的所说的数组的一方面，所以可以为序列设置索引标签。

2、自动化对齐

如果要对两个序列进行一些运算，如加、减、乘、除等等，此时，索引就会体现它的功能：自动化对齐。

（1）定义两个新的序列s2和s3：

注意，s2和s3中的元素和索引标签都不相同。

（2）将两个序列相加，查看结果：

发现在序列s2中没有出现的索引标签“g”和序列3中没有出现的索引标签“a”在两个序列相加后返回值为“NaN”，说明两个序列进行运算时不仅仅是简单的数字相加减而已，索引标签可以起到自动对齐的作用，相同索引标签下的元素才能够完成运算。

可见Pandas中的索引（index）功能是十分强大的，掌握了索引的本领，将为日后的数据分析工作带来极大的便利。在每日的学习中，发现了序列和数组之间的不同之处，同时也对数据类型有了更清晰的辨识。日记Day7就到这里啦，如果有什么好的意见或建议，记得给我留言哦！非常感谢大家的支持，每天早晨看到用户数的增长，我都由衷开心，期待大家的持续关注！

Ovaltine