Pandas：Series和DataFrame数据选择方法

Pandas有两个主要的数据结构：Series和DataFrame

1.1  Series数据选择方法

1.11 和字典一样，Series对象提供了键值对的映射

Series对象可以用字典语法调整数据

1.12 将Series看做一维数组

Series不仅有着和字典一样的接口，而且还具备和NumPy数组一样的数组数组选择功能，包括索引、掩码、花哨的索引等操作。

需要注意的是，当使用显示索引 （即data["a":"c"]}）做切片时，结果包含最后一个索引；当使用隐式索引 （即data[0:2]）做切片时，结果不包含最后一个索引。

1.13 索引器：loc、iloc和ix

这些切片和取值的习惯用法经常会造成混乱，例如，如果Series对象是显示整数索引，那么data[1]这样的取值操作会使用显示索引，

而data[1:3]这样的切片操作却会使用隐式索引。

由于整数索引很容易造成混淆，所以Pandas提供了一些索引器属性来作为取值的方法，它们不是Series对象的函数方法，而是暴露切片接口的属性。

第三种取值属性是ix，它是前两种牵引器的混合形式，在Series对象中ix等价于标准的python列表[]取值方式。ix索引器主要用于DataFrame对象，后续介绍。

1.2 DataFrame数据选择方法

1.21 将DataFrame看做字典

第一种类比是把DataFrame当做一个由若干Series对象构成的字典。

两个Series分别构成DataFrame的一列，可以通过对列名进行字典形式的取值获取数据。

同样，也可以用属性形式选择纯字符串列名的数据。

1.22 将DataFrame看做二维数组

前面提到DataFrame可以看成一个增强版的二维数组，用values属性按行查看数组数据，用index属性查看数组index

理解了以上一点，就可以把许多数组操作方式用在DataFrame上，例如，可以对DataFrame进行行列转置

通过字典形式对列进行取值会限制我们把DataFrame作为NumPy数组可以获得的能力，因此，在进行数组形式的取值时，我们需要用到前面提到过的Pandas索引器loc、iloc和ix。

任何一种取值方法都可以用于调整数据，这一点和NumPy的常用方法是相同的。