這是書籍《Pandas Cookbook》書籍第04章的代碼復(fù)現(xiàn)，所有代碼運(yùn)行在Jupyter Notebook上，原講解地址是：
https://www.jianshu.com/p/bd0bc1b5b4b6
我上傳代碼的github地址是：
https://github.com/Asunqingwen/PandasCookbook.git
github上有該書中用到的data，里面代碼會(huì)不定期更新（因?yàn)楣ぷ髟颍瑫r(shí)間不定），直到本書學(xué)習(xí)完成！
相比原講解，會(huì)穿插一些自己的理解，水平有限，請(qǐng)各路大神指正。

1.選取Series數(shù)據(jù)

這段和第01章中Series的獲取有點(diǎn)類似，主要是通過index和column_name進(jìn)行行和列的選取，選取操作用到了iloc和loc函數(shù)——前者用整數(shù)或整數(shù)列表表示，后者用index或index的列表表示

或者直接用類似Python方法的dict和list切片用法，還可以像list那樣反向切片

2.選取DataFrame的行

個(gè)人認(rèn)為，這部分和第1部分講的內(nèi)容是一樣的，都是通過iloc和loc函數(shù)選取DataFrame的行

3.同時(shí)選取DataFrame的行和列

這部分相對(duì)于之前的兩部分，也就是在iloc和loc上使用的參數(shù)變?yōu)榱硕S的，所以可以同時(shí)選取行和列

4.用整數(shù)和標(biāo)簽選取數(shù)據(jù)

用整數(shù)和index結(jié)合column_name選取行和列，只是column_name對(duì)應(yīng)的列數(shù)來源于get_loc()，index來源于index屬性

5.快速選取標(biāo)量

當(dāng)我們指定index和column_name，那么就會(huì)獲取唯一的值，也可以叫標(biāo)量。可以用loc和iloc，也可以用獲取標(biāo)量的專有函數(shù)at和iat。
這部分最有趣的地方是用到了一個(gè)Python中的魔法函數(shù)——%timeit，這個(gè)函數(shù)會(huì)自動(dòng)運(yùn)行其后的語句多次，以計(jì)算平均運(yùn)行時(shí)間，區(qū)別于%time，只計(jì)算當(dāng)前運(yùn)行一次的時(shí)間

6.惰性行切片

網(wǎng)上找了找，只有Python的generator部分有惰性的說法，即next()的時(shí)候才會(huì)開始計(jì)算下一個(gè)值，這里的惰性切片，我的理解就是——定義好合適的start,stop,step，一個(gè)接一個(gè)輸出來，不用調(diào)用iloc或loc，內(nèi)部實(shí)現(xiàn)可能就是基于generator的。

但是這樣的惰性切片操作不適用于列，對(duì)于列只能用iloc和loc

7.按照字母切片

這部分感覺有點(diǎn)意思，用26個(gè)英文字母的順序來進(jìn)行切片，所以很明顯得先基于索引排序，這樣才使得索引列具有順序意義，那么就能進(jìn)行切片了，因?yàn)椴慌判颍苯忧衅瑫?huì)產(chǎn)生如下錯(cuò)誤：
ValueError: index must be monotonic increasing or decreasing
字面意思就是index必須單調(diào)遞增或遞減

排序后，index符合要求，就可以切片了，其中涉及到了兩個(gè)檢查字母排序順序的屬性，s_monotonic_increasing()和is_monotonic_decreasing，顧名思義，就是是否單調(diào)遞增或單調(diào)遞減