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。Series是dict-like类型，也是list-like类型，可以模仿字典和列表获取数据，比如可以用get方法获取数据。我们习惯用索引获取数据，Series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、dtypes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

标签索引

1、Series的index参数就代表标签索引，标签索引和下标索引同时存在。

2、index最好用字符串否则视觉上不易分辨是下标索引还是标签。

3、选取多个标签需要传入列表，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、用标签索引就是末端包含。

# -*- 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)

布尔索引就是可以直接传入True、False这种值来选择数据，类型可以是可以是列表(元素是Ture和False)、Series、np数组，只要他们的值是布尔值。多个条件中&代表且，|代表或，~代表取反，多个条件与或非运算需要为每个条件加括号。

Ture和False的个数要和Series元素数相同，Ture代表打印，False代表不打印。实际中通常先把数据进行比较判断后(大于等于小于或者其他)获取布尔值，然后进行传入。具体看下面的例子。

1、直接比较，返回元素为布尔值的Series

2、isnull函数，返回元素为布尔值的Series

3、notnull函数，返回元素为布尔值的Series

先看直接比较：

# -*- coding: utf-8 -*-

import pandas as pd

d = {'a': 2, 'b': 1, 'c': 0}

s = pd.Series(d)

print(s>0) # 判断s是否大于0

print(s[s>0]) # 选择s大于0色

print('====================')

d2 = {'a': True, 'b': True, 'c': False}

s2 = pd.Series(d2) # 也可以直接传入布尔值的Series

print(s[s2])

a True

b True

c False

dtype: bool

a 2

b 1

dtype: int64

====================

a 2

b 1

dtype: int64

再看看isnull函数

import pandas as pd

d = {'a': 2, 'b': 1}

s = pd.Series(d,index=['a','b','c'])

print(s.isnull()) # 判断s元素是否缺失

print(s[s.isnull()]) # 打印缺失值

a False

b False

c True

dtype: bool

c NaN

dtype: float64

再看看notnull函数

# -*- coding: utf-8 -*-

import pandas as pd

d = {'a': 2, 'b': 1}

s = pd.Series(d,index=['a','b','c'])

print(s.notnull()) # 判断s元素是否不缺失

print(s[s.notnull()]) # 打印非缺失值

a True

b True

c False

dtype: bool

a 2.0

b 1.0

dtype: float64