Python培訓(xùn)：使用Pandas提供的方法操作索引

　　雖然DataFrame操作索引能夠滿足基本數(shù)據(jù)查看請(qǐng)求，但是仍然不夠靈活。為此，Pandas庫(kù)中提供了操作索引的方法來(lái)訪問數(shù)據(jù)，具體包括：

　　?loc：基于標(biāo)簽索引(索引名稱，如a、b等)，用于按標(biāo)簽選取數(shù)據(jù)。當(dāng)執(zhí)行切片操作時(shí)，既包含起始索引，也包含結(jié)束索引。

　　?loc：基于位置索引(整數(shù)索引，從0到length-1)，用于按位置選取數(shù)據(jù)。當(dāng)執(zhí)行切片操作時(shí)，只包含起始索引，不包含結(jié)束索引。

　　iloc方法主要使用整數(shù)來(lái)索引數(shù)據(jù)，而不能使用字符標(biāo)簽來(lái)索引數(shù)據(jù)。而loc方法恰恰相反，它只能使用字符標(biāo)簽來(lái)索引數(shù)據(jù)，而不能使用整數(shù)來(lái)索引數(shù)據(jù)。不過，當(dāng)DataFrame對(duì)象的行索引或列索引使用的是整數(shù)時(shí)，則其就可以使用整數(shù)來(lái)索引。

　　假設(shè)，現(xiàn)在有一個(gè)DataFrame對(duì)象，具體代碼如下。

In [39]: arr=np.arrange(16) .reshape(4, 4)
         dataframe_obj=pd.DataFrame(arr, columns=['a', 'b', 'c', 'd'])
         dataframe_obj
Out[39]:
    a   b   c   d
0   0   1   2   3
1   4   5   6   7
2   8   9   10  11
3   12  13  14  15

　　接下來(lái)，我們通過一段示例程序來(lái)演示如何使用上述方法來(lái)獲取DataFrame中多列的數(shù)據(jù)，具體代碼如下。

In [40]: dataframe_obj.loc[:, ["c", "a"]]
In [41]: dataframe_obj.iloc[:, [2,0]]

　　它們兩個(gè)輸出的結(jié)果一樣，具體如下：

    c   a
0   2   0
1   6   4
2   10  8
3   14  12

　　還可以通過loc方法和iloc方法使用花式索引來(lái)訪問數(shù)據(jù)，具體代碼如下。

In [43]: dataframe_obj.loc[1:2, ['b', 'c']]
In [44]: dataframe_obj.iloc[1:3, [1, 2]]

　　它們兩個(gè)輸出的結(jié)果也是一樣的，具體如下：

    b    c
1   5    6
2   9    10