前言
pandas与numpy的最大区别就是索引，pandas中索引是显式的，通过索引可以实现各种操作。
pandas中索引
Pandas中索引属性
对DataFrame：
df对应的列和行index属性：
df.columns
df.index
Pandas中索引基础
Pandas中的索引
轴标记的作用：
注意事项：
对Series而言，Series[label]返回的是对应label的单个值，Series[slicing]返回的是对应slicing的切片子Series；
对DataFrame而言，DataFrame[label]返回的是对应label的列的Series，DataFrame[slicing]返回的是对应行slicing的切片子DataFrame
DataFrame.loc[slicing]与DataFrame.iloc[slicing]的区别
DataFrame.loc[slicing]：
When slicing, thestart bound is included, AND the stop bound is included
DataFrame.iloc[slicing]：
When slicing, the start bounds is included, while theupper bound is excluded
Appendingoperation：
The.loc/[] operations can perform enlargement when setting a non-existant key forthat axis.
索引注意事项
type(df[“label”]) # pd.Series()
type(df[[“label”]]) # pd.DataFrame()label和position混用问题
不能一个轴使用label，另一个轴使用position
pandas中的索引基础
将列变成索引或将索引变成列
列变成行索引
df=df.set_index(‘date’)
df.index=df.iloc[:,n]
行变成列索引
df.columns = df.iloc[n,:]
df = df.rename(index={}, columns={})
行索引变成列
df[‘index’] = df.index
df.reset_index(level=0, inplace=True)
df.reset_index(level=[‘tick’, ‘obs’])
df[‘si_name’] =df.index.get_level_values(‘si_name’) #si_name is the name of the subindex
Series转DataFrame
series.to_frame()
只是将series对象转化为dataframe对象
pandas中index操作(重要)
df.set_index()
df.reset_index()
df.reindex()
改变索引值(index或columns)
直接修改属性
df.columns=[]
df.index=[]
使用rename或rename_axis函数
修改pandas中index或columns的名字
直接修改
使用rename方法
pandas中查看Series和DataFrame的索引值
pandas中将pandas.index转化为其他类型
文章出处登录后可见！
