Series的values属性可以获取值，Series的索引也可以获取值且更加灵活，索引可以分为位置下标、标签索引、切片索引、布尔型索引。
下标索引
1、列表可以用list[-1]，Series下标索引不能用负数，
2、通过type或者Series的dtype属性查看下类型。
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
# 下标索引
arr = np.random.rand(5)
s = pd.Series(arr)
print(s)
print('------------')
print(s[0])
print(s[0].dtype)
print(type(s[0]))
0 0.400264 1 0.359603 2 0.608861 3 0.361018 4 0.652181 dtype: float64 ------------ 0.40026367833874676 float64 <class 'numpy.float64'>
标签索引
1、Series有了index参数就有了标签索引
2、注意index设为字符串否则易和下标索引混淆。
3、选取多个标签需要嵌套2个[]，且结果是新的Series
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
dic = {'语文':100,'数学':90,'英语':95}
s = pd.Series(dic,name='成绩')
print(s)
print('------------')
print(s['语文']) # 语文成绩
print('---------------')
print(s[['语文','数学']]) # 传入列表,多个标签
语文 100 数学 90 英语 95 Name: 成绩, dtype: int64 ------------ 100 --------------- 语文 100 数学 90 Name: 成绩, dtype: int64
切片索引
1、用下标就是左闭右开(末端不包含)。
2、用标签就是末端包含。
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
# 切片索引
s = pd.Series([1,2,3,4,5], index=['a', 'b', 'c', 'd', 'e'])
print(s)
print('-------')
print(s[0:2])
print('--------')
print(s['a':'c'])
a 1 b 2 c 3 d 4 e 5 dtype: int64 ------- a 1 b 2 dtype: int64 -------- a 1 b 2 c 3 dtype: int64
布尔型索引
用来筛选数据
1、isnull函数
2、notnull函数
3、直接比较
用代码来帮助理解：
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
# 布尔型索
d = {'a': 1, 'b': 2, 'c': 3}
s = pd.Series(d, index=['a', 'b', 'c', 'd'])
print(s)
print('---------')
print('判断大于1')
res = s > 1
print(res)
print('打印大于1的')
print(s[res])
print('判断是否空')
print(s.isnull())
print('判断是否不是空')
print(s.notnull())
print('打印不为空的')
print(s[s.notnull()])
a 1.0 b 2.0 c 3.0 d NaN dtype: float64 --------- 判断大于1 a False b True c True d False dtype: bool 打印大于1的 b 2.0 c 3.0 dtype: float64 判断是否空 a False b False c False d True dtype: bool 判断是否不是空 a True b True c True d False dtype: bool 打印不为空的 a 1.0 b 2.0 c 3.0 dtype: float64