pandas.core.frame.DataFrame 如何获取索引

pandas.core.frame.DataFrame 的索引可以通过以下两种方式获取：

1. `.index` 属性：返回一个 Index 对象，包含 DataFrame 的行索引。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c'])
print(df.index)
# 输出: Index(['a', 'b', 'c'], dtype='object')

2. `.iloc` 或 `.loc` 属性：用于选择 DataFrame 中的行，返回的是包含所选行索引的 Series 对象。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c'])
print(df.iloc[1].index)
# 输出: Index(['A', 'B'], dtype='object')

相关问题

获取pandas.core.frame.DataFrame的索引

在 Pandas 中，使用 `df.index` 可以获取 DataFrame 的索引，返回一个 Index 类型的对象。它可以用于获取、修改和重设 DataFrame 的索引，也可以用于判断 DataFrame 中是否包含某个索引。

例如，创建一个简单的 DataFrame，并获取它的索引：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

print(df.index)

输出结果为：

RangeIndex(start=0, stop=3, step=1)

在这个例子中，我们创建了一个包含三个行和三个列的 DataFrame，然后使用 `df.index` 获取了它的索引。由于我们没有显式地指定索引，因此 Pandas 会默认使用从 0 开始的整数索引。

如果需要将 DataFrame 的某一列设置为索引，可以使用 `set_index()` 方法：

df.set_index('name', inplace=True)
print(df.index)

输出结果为：

Index(['Alice', 'Bob', 'Charlie'], dtype='object', name='name')

在这个例子中，我们将 DataFrame 的 'name' 列设置为索引，然后使用 `df.index` 获取了它的索引。可以看到，此时索引的类型为 Index，而且它的值为 'name' 列中的三个元素。

需要注意的是，Index 类型的对象与列表或数组类型的对象有些不同，它具有一些特殊的属性和方法。例如，它是不可变的（immutable），不能直接修改其中的元素；它还支持一些集合操作，如并集、交集和差集等。

pandas.core.frame.DataFrame索引元素

在 Pandas 中，可以使用 `.iloc[]` 或 `.loc[]` 来访问 DataFrame 中的元素。其中，`.iloc[]` 用于基于行号和列号访问元素，`.loc[]` 用于基于行标签和列标签访问元素。

举个例子，假设有如下的 DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

print(df)

输出结果为：

   A  B  C
a  1  4  7
b  2  5  8
c  3  6  9

要访问第二行第三列的元素，可以使用 `.iloc[]`，如下所示：

print(df.iloc[1, 2])  # 输出结果为 8

这里的 `iloc[1, 2]` 表示选取第二行（行号为 1）第三列（列号为 2）的元素。

要访问行标签为 `'b'`、列标签为 `'C'` 的元素，可以使用 `.loc[]`，如下所示：

print(df.loc['b', 'C'])  # 输出结果为 8

这里的 `loc['b', 'C']` 表示选取行标签为 `'b'`、列标签为 `'C'` 的元素。

除了上述方式外，还可以使用 `[]` 运算符来访问 DataFrame 中的元素。例如，要访问第二列的元素，可以使用如下方式：

print(df['B'])  # 输出结果为：a    4, b    5, c    6, Name: B, dtype: int64

这里的 `df['B']` 表示选取名为 `'B'` 的列。如果要访问多列，则可以使用双重 `[]`，例如：

print(df[['A', 'C']])  # 输出结果为：   A  C
#                                a  1  7
#                                b  2  8
#                                c  3  9

这里的 `df[['A', 'C']]` 表示选取名为 `'A'` 和 `'C'` 的两列。