pandas的数据格式最常用的为Series和DataFrame两种类型，以下分别对两种类型的索引和数据选取方式进行了总结整理。
1、Series格式
Series格式很简单，只有两列，一列索引，一列为值，按照是否自定义索引类型，分为两种情况进行讨论：
1）默认索引类型，即由系统自动添加从0开始按序增加的索引
import pandas as pd
ser=pd.Series(['Ohio', 'Colorado', 'Utah', 'New York'])
#选取表的第一行（索引为0）内容
data1=ser[0]
print(data1)
'''
结果：
Ohio
'''
#选取表从第一行（索引为0）到第二行（索引为1）的内容，注意ser[0:2]表示从第0到第1的切片，遵循左闭右开原则
data2=ser[0:2]
print(data2)
''' 结果：
0 Ohio
1 Colorado
dtype: object
'''2）自定义索引类型
import pandas as pd
ser=pd.Series(['Ohio', 'Colorado', 'Utah', 'New York'],index=['a', 'b', 'c', 'd'])
#采用自定义的索引类型
print(ser['b'])
''' 结果：
Colorado
'''
#选取#ser['b']到ser['d']内容，注意，结果将包括ser['d']的内容，与数字索引的左闭右开有区别，是左闭右闭
print(ser['b':'d'])
''' 结果：
b Colorado
c Utah
d New York
dtype: object
'''
##选取表从第一行到第二行的内容，注意ser[0:2]表示从第0到第1的切片，左闭右开
print(ser[0:2])
''' 结果：
a Ohio
b Colorado
dtype: object
'''2、DataFrame格式
DataFrame格式比Series格式稍微复杂，其可包含一列索引和多个数据列，分为以下几种情况进行讨论
1）默认索引类型，即由系统自动添加从0开始按序增加的索引
#-*- coding:utf-8 -*
import pandas as pd
#创建一个传统的字典格式数据
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
'year': [2000, 2001, 2002, 2001, 2002, 2003],
'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
#将字典转换为DataFrame格式，行索引为默认的数字序号格式，列索引则为['state','year','pop']。以下输出整个字典内容
df = pd.DataFrame(data)
print(df)
'''
结果：
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
2 Ohio 2002 3.6
3 Nevada 2001 2.4
4 Nevada 2002 2.9
5 Nevada 2003 3.2
'''
#选取列，直接索引就行
#输出表的'state'列内容
data1=df['state']
print(data1)
'''
结果：
0 Ohio
1 Ohio
2 Ohio
3 Nevada
4 Nevada
5 Nevada
Name: state, dtype: object
'''
#输出表的state列和pop列内容，注意要用列索引列表的方式，即在外加方括号
# 也可以用切片方式，如df[['state':'pop']]，将输出包含'state'、'year'、'pop'三列的内容
data2=df[['state','pop']]
print(data2)
'''
结果：
state pop
0 Ohio 1.5
1 Ohio 1.7
2 Ohio 3.6
3 Nevada 2.4
4 Nevada 2.9
5 Nevada 3.2
'''
#选取行内容，需要用loc指令
#输出表的第一行（索引为0）内容,采用loc指令
data3=df.loc[0]
print(data3)
'''
结果：
state Ohio
year 2000
pop 1.5
Name: 0, dtype: object
'''
#输出表从第一行（索引为0）到第三行（索引为2）的内容，注意包含df.loc[2]的内容，左闭右闭，与Series的索引不同
data4=df.loc[0:2]
print(data4)
'''
结果：
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
2 Ohio 2002 3.6
'''
#输出给定行和列对应的数据，需要用loc指令，注意，不能直接用给定行和列数据进行索引
data5=df[0,'pop'] #错误，不能输出
data6=df.loc[0,'pop'] #输出df表中第1行（索引0）'pop'列数据
print(data6)
'''
结果： 1.5
'''
data7=df.loc[0:1,'state':'pop'] #也可以用切片方式
print(data7)
'''
结果：
state pop
a Ohio 1.5
b Ohio 1.7
'''
#用iloc方式，用数字作为索引，可以在不清楚列的索引类型下使用
data8=df.iloc[1,2] #选取第2行（行索引为1）第3列（列索引为2）内容
print(data8)
'''
结果：1.7
'''
data9=df.iloc[[0,1],[1,2]] #选取第2行（行索引为1）第3列（列索引为2）内容
print(data9) #选取第1、2行（行索引为0、1）第2、3列（列索引为1、2）内容
'''
结果：
year pop
0 2000 1.5
1 2001 1.7
'''
#还有一种特殊方式，用切片方式选取行，但是注意只能用切片方式，用指定行标来索引不行
data10=df[0:2] #选取第1行（索引为0）到第3行（索引为2），遵循左闭右闭原则
print(data10)
'''
结果：
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
'''
data11=df[2] #不能这样索引，会出现错误
'''
结果：错误
'''
2）自定义索引
#-*- coding:utf-8 -*
import pandas as pd
#创建一个传统的字典格式数据
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
'year': [2000, 2001, 2002, 2001, 2002, 2003],
'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
#将字典转换为DataFrame格式，索引为默认的数字序号格式,输出整个DataFrame表内容
df = pd.DataFrame(data,index=['a', 'b', 'c', 'd', 'e', 'f'])
print(df)
'''
结果：
state year pop
a Ohio 2000 1.5
b Ohio 2001 1.7
c Ohio 2002 3.6
d Nevada 2001 2.4
e Nevada 2002 2.9
f Nevada 2003 3.2
'''
#输出表的第一行（索引为'a'）内容,用loc指令
data1=df.loc['a']
print(data1)
'''
结果：
state Ohio
year 2000
pop 1.5
Name: a, dtype: object
'''
#输出表从第一行（索引为'a'）到第三行（索引为'c'）的内容，注意loc['a':'c']表示从编号'a'到'c'的切片，包含'c'
data2=df.loc['a':'c']
print(data2)
'''
结果：
state year pop
a Ohio 2000 1.5
b Ohio 2001 1.7
c Ohio 2002 3.6
'''
#输出给定行和列对应的数据，需要用loc指令，注意，不能直接用给定行和列数据进行索引
data4=df.loc['a','pop'] #输出df表中'a'行'pop'列数据
print(data4)
'''
结果：1.5
'''
data5=df.loc['a':'b','state':'pop'] #也可以用切片方式
print(data5)
'''
结果：
state pop
a Ohio 1.5
b Ohio 1.7
'''
#用切片方式选取行，但是注意只能用切片方式，用指定行标来索引不行
data6=df['a':'c'] #选取第a行到第c行数据，遵循左闭右闭原则
print(data6)
'''
结果：
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
'''
data7=df['a'] #不能这样索引，会出现错误
'''
结果：错误
'''其他方式如通过iloc进行索引等，使用方法和2.1）节所述一致
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
