【Python数据科学手册】Pandas——三、数据取值与选择

三、数值取值与选择

1.Series数据选择方法

Series 对象与一维 NumPy 数组和标准 Python 字典在许多方面都一样。

1). 将Series看作字典

和字典一样， Series 对象提供了键值对的映射

用 Python 字典的表达式和方法来检测键 / 索引和值

Series 对象还可以用字典语法调整数据。

2). 将Series看作一维数组

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

3). 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。特别是当显示索引用整数表示时。

所以 Pandas 提供了一些索引器（indexer）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。

• loc 属性——显式
  
• iloc 属性—— 隐式
  
• ix 现已过期

2.DataFrame数据选择方法

1). 将DataFrame看作字典

按照上一节的方法，使用Series对象字典创建DataFrame

• 字典形式取列——d[k] --df[name]
• 属性形式取列 df.name（非字典属性）
  两者等价，避免对用属性形式选择的列直接赋值
  
• 用字典形式的语法调整对象，比如新增列
  

2). 将DataFrame看作二维数组

用 values 属性按行查看数组数据

用T方法进行转置

3). 其他方法和索引器： loc、 iloc和ix

ix已经过期，其余方法取行列总结如下

这里:是指为筛选的所有行，如果想对行进行筛选，可以替换成条件，如data.loc[data.are>10000,'are']
掩码操作