Python数据分析之pandas（二）

继续介绍pandas的一些操作。

1 Series的数据选择

我们首先来创建一个Series对象：

通过其索引即可选取对应的值：

将其看作字典时，可用keys方法查看其索引：

也可用values查看其值：

还可以用items查看索引和值的配对：

如果想扩展Series，直接添加索引和值就好：

接下来我们关注Series对象的切片如何通过索引来选择，首先我们当然可以用索引名称来进行选取：

其次我们也可以通过隐式的整数索引来选取：

这里需要注意的是，显式索引（也就是索引名称）是左右两边都包括的，而隐式索引，是含左不含右的。

我们还可以通过一些表达式来筛选出我们需要的数据：

也可以选出不连续的值：

但是，上述的一些索引方法会出现一些误解，比如索引名称正好为整数：

此时，索引取值为显式，而切片为隐式：

由于上述情况很容易混淆，所以Python提供了一些索引器属性来方便操作。

首先是loc，它表示取值和切片都为显示索引，也就是只关注索引的名称：

其次是iloc，它表示取值和切片都为隐式索引：

最后是ix，它是上面两种显式和隐式索引的混合表示，一般不建议使用，因为很容易产生误解。

2 DataFrame的数据选择

首先我们还是建立一个DataFrame：

将其看作字典时，我们可以通过列名来选取对应列的值：

还可以通过属性的方式获取某一列：

当需要添加列时，可以根据字典的语法进行操作：

这里我们将m、n两列的均值作为了第三列p。

将df看作二维数组时，可以通过values属性来查看值：

还可进行行列转置：

当然，我们也可以通过索引器对df进行切片：

如上图，可以用loc、iloc及ix进行索引，但为避免混淆，一般不用ix来进行混合索引。

今天就先介绍到这里，下次再会。