python dataframe 获取index列_Python实用干货：panda多方面处理数据-CSDN博客

Pandas是Python数据分析的重要库，提供高效性能和C或Python实现的后端。本文主要探讨Series和DataFrame两种数据结构。Series是一维数组，支持多种数据类型，可通过index和value获取其索引和值。DataFrame是二维表格数据，拥有行和列索引，可以由字典、Series或2D-Numpy数组创建。通过列索引获取Series，使用ix获取行向量，所有操作都基于共享的索引系统。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Padas是用于数据分析的最流行的python库。它提供了高度优化的性能，后端源代码纯粹是用C或Python。可以用来分析：Series、DataFrames。

Series系列是在熊猫中定义的一维(1-D)数组，可用于存储任何数据类型。

代码1：创作系列

# Program to create series  # Import Panda Libraryimport pandas as pd    # Create series with Data, and Indexa = pd.Series(Data, index = Index)

标量值可以是整值、字符串
Python字典可以是键，值对
Ndarray

可以通过Series的两个属性，index 和 value 来分别获取索引和值

obj.indexOut[5]: RangeIndex(start=0, stop=4, step=1) obj.valuesOut[7]: array([2, 9, 5, 6], dtype=int64)

代码2：当数据包含标量值时

# Program to Create series with scalar values    # Numeric data Data =[1, 3, 4, 5, 6, 2, 9]     # Creating series with default index values s = pd.Series(Data)       # predefined index values Index =['a', 'b', 'c', 'd', 'e', 'f', 'g']    # Creating series with predefined index values si = pd.Series(Data, Index)

输出量：

代码3：当数据包含字典时

# Program to Create Dictionary series dictionary ={'a':1, 'b':2, 'c':3, 'd':4, 'e':5}    # Creating series of Dictionary type sd = pd.Series(dictionary)

输出量:

代码4：当数据包含Ndarray时

# Program to Create ndarray series   # Defining 2darray Data =[[2, 3, 4], [5, 6, 7]]     # Creating series of 2darray snd = pd.Series(Data)

输出量:

Series 索引的name和值的name(相当于这两个向量的名字)

obj3.nameobj3.name="population"obj3.index.name="ind"obj3Out[23]: indb    2.0a    1.0d    NaNName: population, dtype: float64

DataFrames：

DataFrames是在熊猫中定义的由行和列组成的二维(2-D)数据结构。是一个典型的表格型数据，既有行索引，又有列索引。相当于一个大字典，字典的键是列索引，字典的值是一个Series; 构成这些索引的每一个值的Series都是共用一个 Series 索引的。

代码1：创建DataFrame

# Program to Create DataFrame  # Import Libraryimport pandas as pd     # Create DataFrame with Dataa = pd.DataFrame(Data)

在这里，数据可以是：

一个或多个字典
一个或多个系列
2D-Numpy Ndarray

代码2：当数据是字典时

# Program to Create Data Frame with two dictionaries  # Define Dictionary 1dict1 ={'a':1, 'b':2, 'c':3, 'd':4}     # Define Dictionary 2     dict2 ={'a':5, 'b':6, 'c':7, 'd':8, 'e':9}   # Define Data with dict1 and dict2Data = {'first':dict1, 'second':dict2}   # Create DataFrame df = pd.DataFrame(Data)

输出量:

DataFrame 默认通过列索引获取一个series;(在series中默认通过索引获取一个值)

df["popular"] 或者 df.popularOut[37]: 0     81     92    103    11Name: popular, dtype: int64

代码3：当数据是序列时

# Program to create Dataframe of three series import pandas as pd  # Define series 1s1 = pd.Series([1, 3, 4, 5, 6, 2, 9])     # Define series 2       s2 = pd.Series([1.1, 3.5, 4.7, 5.8, 2.9, 9.3])   # Define series 3s3 = pd.Series(['a', 'b', 'c', 'd', 'e'])       # Define DataData ={'first':s1, 'second':s2, 'third':s3}   # Create DataFramedfseries = pd.DataFrame(Data)

输出量:

DataFrame 通过 ix 间接获取行向量，行向量也是一个series，它的索引是原来DF的列索引。

df.loc[2]Out[40]: cities       bjyear       2003popular      10Name: 2, dtype: object

代码4：当数据为2D-numpy ndarray时注：在创建2D数组的DataFrame时，必须维护一个约束--2D数组的维数必须相同。

# Program to create DataFrame from 2D array  # Import Libraryimport pandas as pd   # Define 2d array 1d1 =[[2, 3, 4], [5, 6, 7]]   # Define 2d array 2d2 =[[2, 4, 8], [1, 3, 9]]   # Define DataData ={'first': d1, 'second': d2}    # Create DataFramedf2d = pd.DataFrame(Data)

输出量: