引言:
sereis有兩套索引模式：
1). 標籤索引：像dictionary一樣通過non-numeric 的index(類似於字典的key)索引
2). 位置索引：像list一樣根據position切片（像numpy中的數組一樣沿着固定的軸）
兩套索引模式其實是很容易讓人迷惑，pandas官方文檔建議通過.loc和.iloc屬性來索引對象。
注意⚠️：
如果index設定爲數字，那麼位置的索引就失效了
![]()
1. iloc 和 loc
1.1 位置索引 iloc(i - index position)
- 直接以‘位置數字’索引
eg: george.iloc[0](george.iloc[4] 當超出index範圍時會報錯) - 直接以'區間'切片
eg:george.iloc[0:3] -
使用'標籤列表'切片
eg:george.iloc[[0,1]]
![]()
1.2 標籤索引的 loc (l- lable)
類似於python中的字典，但是功能更豐富，可以接受布爾矩陣 boolean arrays, 切片slices,和標籤列表a list of lables.
- 類似於字典的索引
eg: george.loc['1968'] - 使用標籤列表索引
eg: george.loc[['1968','1979']] (如果標籤不存在，會輸出NaN) - 使用標籤切片
eg: george.loc['1968':]
2. .at 和 .iat
與剛剛提到的.loc 、.iloc功能相似
但是我們認爲loc系列更好用，這裏提一個注意點：
當檢索時，存在duplicate index對應不同的值時，at輸出的是數組，而loc輸出的是series
3. ix的使用
（類似於[] indexing）#不建議使用
.ix這個方法，功能很強大，既可以支持位置檢索，又可以通過lable檢索，簡直是 iloc和loc的合體。因此，當index比較混亂（index positon + lable）時可以使用它。
適用於 pivot tables 和 stacking（說實話，這句話是照搬書上的內容，�我不太懂這兩個是什麼東西，懂的夥伴給我留言）
pandas認爲，‘explicit is better than implicit’
這裏是教材的總結截圖（沒辦法自己太懶了）
![]()
4.多聊聊切片[]
切片可以應用在iloc和loc，以[起始，終止，步長]的形式使用，通常可以獲得一個新的series
以下內容也是與切片[]相關的
series的廣播運算與切片
series 類似於numpy中的數組，是可以做廣播運算的
舉例：
mask = george > 7 (獲得一個布爾值組成的新series-- mask,它的index與george對應，而且該運算並不影響george的原值)
george + 2 等數值運算![]()
series的布爾組合運算與切片
除此之外，多個布爾運算還可以合併在一起
不過需要注意的是⚠️：多個布爾運算合併時，邏輯關係要清晰，例如
george[mask | george<=2]|與<=區分不出優先級，從而造成了錯誤輸出
![]()
