本文目录一览：
- 1、index在python中的用法
- 2、python中如何求出array数组中大于a且小于b的元素的索引
- 3、Python的pandas 数组如何得到索引值，如图，我要得到ohio 的索引值，应该怎样做？
- 4、Python 数据处理（二十四）—— 索引和选择
index在python中的用法
如下：
1、index函数：用于从列表中找出某个值第一个匹配项的索引位置。
2、index方法语法：list.index(x[, start[, end]])。
3、参数：x-- 查找的对象。start-- 可选，查找的起始位置。end-- 可选，查找的结束位置。
4、返回值：该方法返回查找对象的索引位置，如果没有找到对象则抛出异常。
5、实例：
代码：str1 = "this is string example....wow!!!"；str2 = "exam"。
index函数为print(str1.index(str2))。
python中index函数怎么用？
Python中index方法检测字符串中是否包含子字符串 str ，如果指定 beg（开始） 和 end（结束） 范围，则检查是否包含在指定范围内，该方法与 python find方法一样，只不过如果str不在string中会报一个异常。
index函数一般用处是在序列中检索参数并返回第一次出现的索引，没找到就会报错。
python中如何求出array数组中大于a且小于b的元素的索引
代码如下
c = [1, 3, 9, 4, 6, 7]
a = 2
b = 6
for num in c:
if a num num b:
print("符合条件的数值为：", num, "，id为：", c.index(num))
# 输出如下
# 符合条件的数值为： 3 ，id为： 1
# 符合条件的数值为： 4 ，id为： 3
# 使用c.index(num)函数来获取元素的索引
Python的pandas 数组如何得到索引值，如图，我要得到ohio 的索引值，应该怎样做？
直接上实例：
df = pd.DataFrame(np.random.randn(5,3),index = list('abcde'),columns = ['one','two','three']) #创建一个数据框
df 内容
获取所有的列名，并形成列表：list(df.keys())
获取所有的行名，并形成列表：list(df.index)
如果要获得某一个元素的具体位置可以使用：np.where("条件")，如：np.where(df 0)
第一个arrary代表第几行，第二个代表第几列。
如，如何条件的元素存在在：第一行第三列，第三行第一列，....
Python 数据处理（二十四）—— 索引和选择
如果你想获取 'A' 列的第 0 和第 2 个元素，你可以这样做:
这也可以用 .iloc 获取，通过使用位置索引来选择内容
可以使用 .get_indexer 获取多个索引:
警告 ：
对于包含一个或多个缺失标签的列表，使用 .loc 或 [] 将不再重新索引，而是使用 .reindex
在以前的版本中，只要索引列表中存在至少一个有效标签，就可以使用 .loc[list-of-labels]
但是现在，只要索引列表中存在缺失的标签将引发 KeyError 。推荐的替代方法是使用 .reindex() 。
例如
索引列表的标签都存在
先前的版本
但是，现在
索引标签列表中包含不存在的标签，使用 reindex
另外，如果你只想选择有效的键，可以使用下面的方法，同时保留了数据的 dtype
对于 .reindex() ，如果有重复的索引将会引发异常
通常，您可以将所需的标签与当前轴做交集，然后重新索引
但是，如果你的索引结果包含重复标签，还是会引发异常
使用 sample() 方法可以从 Series 或 DataFrame 中随机选择行或列。
该方法默认会对行进行采样，并接受一个特定的行数、列数，或数据子集。
默认情况下， sample 每行最多返回一次，但也可以使用 replace 参数进行替换采样
默认情况下，每一行被选中的概率相等，但是如果你想让每一行有不同的概率，你可以为 sample 函数的 weights 参数设置抽样权值
这些权重可以是一个列表、一个 NumPy 数组或一个 Series ，但它们的长度必须与你要抽样的对象相同。
缺失的值将被视为权重为零，并且不允许使用 inf 值。如果权重之和不等于 1 ，则将所有权重除以权重之和，将其重新归一化。例如
当应用于 DataFrame 时，您可以通过简单地将列名作为字符串传递给 weights 作为采样权重（前提是您要采样的是行而不是列）。
sample 还允许用户使用 axis 参数对列进行抽样。
最后，我们还可以使用 random_state 参数为 sample 的随机数生成器设置一个种子，它将接受一个整数（作为种子）或一个 NumPy RandomState 对象
当为该轴设置一个不存在的键时， .loc/[] 操作可以执行放大
在 Series 的情况下，这实际上是一个追加操作
可以通过 .loc 在任一轴上放大 DataFrame
这就像 DataFrame 的 append 操作
由于用 [] 做索引必须处理很多情况（单标签访问、分片、布尔索引等），所以需要一些开销来搞清楚你的意图
如果你只想访问一个标量值，最快的方法是使用 at 和 iat 方法，这两个方法在所有的数据结构上都实现了
与 loc 类似， at 提供了基于标签的标量查找，而 iat 提供了基于整数的查找，与 iloc 类似
同时，你也可以根据这些索引进行设置值
如果索引标签不存在，会放大数据
另一种常见的操作是使用布尔向量来过滤数据。运算符包括：
|(or) 、 (and) 、 ~ (not)
这些必须用括号来分组，因为默认情况下， Python 会将 df['A'] 2 df['B'] 3 这样的表达式评估为 df['A'] (2 df['B']) 3 ，而理想的执行顺序是 (df['A'] 2) (df['B'] 3)
使用一个布尔向量来索引一个 Series ，其工作原理和 NumPy ndarray 一样。
您可以使用一个与 DataFrame 的索引长度相同的布尔向量从 DataFrame 中选择行
列表推导式和 Series 的 map 函数可用于产生更复杂的标准
我们可以使用布尔向量结合其他索引表达式，在多个轴上索引
iloc 支持两种布尔索引。如果索引器是一个布尔值 Series ，就会引发异常。
例如，在下面的例子中， df.iloc[s.values, 1] 是正确的。但是 df.iloc[s，1] 会引发 ValueError 。
