### Pandas 中 Series 的索引访问方式 在 Pandas 中，`Series` 是一种一维带标签的数组结构，其索引访问可以通过多种方式进行。以下是对通过类属性访问方式的详细说明： #### 1. 使用 `.index` 属性访问索引 `Series` 对象的索引可以通过 `.index` 类属性进行访问。此属性返回一个类似数组的对象，表示 `Series` 的索引列表。需要注意的是，`.index` 返回的对象是只读的，无法直接修改其中的元素[^3]。 ```python import pandas as pd data = {'Hobby': 'Basketball', 'Age': 30} s = pd.Series(data, name='Jack') print(s.index) # 输出: Index(['Hobby', 'Age'], dtype='object') ``` 如果需要修改索引值，必须整体替换整个索引对象。例如： ```python new_index = ['jjj', 'kkk'] s.index = new_index print(s.index) # 输出: Index(['jjj', 'kkk'], dtype='object') ``` #### 2. 使用 `.values` 属性访问数据 除了访问索引外，还可以通过 `.values` 属性获取 `Series` 的数据部分。此属性返回一个 NumPy 数组，表示 `Series` 的数据值[^3]。 ```python print(s.values) # 输出: ['Basketball' 30] ``` #### 3. 使用 `.name` 属性访问名称 `Series` 对象可以有一个名称，该名称可以通过 `.name` 属性进行访问和设置。名称通常用于标识 `Series` 的含义或来源[^3]。 ```python print(s.name) # 输出: Jack ``` #### 4. 多层索引的访问 当 `Series` 具有多层索引时，可以通过 `.index` 属性访问多层索引结构。多层索引是一个 `MultiIndex` 对象，可以通过 `.levels` 和 `.labels` 等属性进一步分析[^4]。 ```python import numpy as np data = pd.Series(np.random.randn(9), index=[[1, 1, 1, 2, 2, 2, 3, 3, 3], [1, 2, 3, 1, 2, 3, 1, 2, 3]]) print(data.index) # 输出: MultiIndex([(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)], ) ``` #### 5. 通过索引值访问数据 除了通过类属性访问索引外，还可以直接通过索引值访问 `Series` 的数据。这可以通过方括号 `[]` 或 `.loc` 方法实现[^2]。 ```python print(s['Hobby']) # 输出: Basketball ``` #### 注意事项 - 当使用数字作为索引时，优先按照索引值访问，而不是位置。 - 避免对 `Series` 进行无限切片操作，因为这可能导致性能问题[^4]。 ```python data = pd.Series([1, 2, 3]) print(data[0]) # 输出: 1 ``` ### 示例代码总结 以下是一个完整的示例，展示如何通过类属性访问 `Series` 的索引、数据和名称： ```python import pandas as pd # 创建 Series data = {'Hobby': 'Basketball', 'Age': 30} s = pd.Series(data, name='Jack') # 访问索引 print(s.index) # 输出: Index(['Hobby', 'Age'], dtype='object') # 访问数据 print(s.values) # 输出: ['Basketball' 30] # 访问名称 print(s.name) # 输出: Jack # 修改索引 s.index = ['Sport', 'Years'] print(s.index) # 输出: Index(['Sport', 'Years'], dtype='object') ```