pandas 两种索引方式方式含义语法示例标签索引按行名/列名标签取.loc[]df.loc[行名, 列名]绝对位置按第几行/第几列从0开始.iloc[]df.iloc[0, 1]对比python import pandas as pd df pd.DataFrame({A: [10,20,30], B: [40,50,60]}, index[x,y,z]) # 标签索引用名字 df.loc[x, A] # → 10 # 绝对位置用数字0开始 df.iloc[0, 0] # → 10记忆口诀loc→label标签iloc→integer location整数位置1. 通过字典创建 Seriespython import pandas as pd data {a: 1, b: 2, c: 3} s pd.Series(data)结果a 1 b 2 c 3 dtype: int642. 通过标量创建 Series单个值 指定索引python s pd.Series(5, index[a, b, c])结果a 5 b 5 c 5 dtype: int64区别方式数据来源索引字典键自动成为索引字典的 key标量单个值重复填充需手动指定 index访问 Seriespython import pandas as pd s pd.Series([10, 20, 30, 40], index[a, b, c, d])方式语法示例结果标签s[标签]s[a]10位置s.iloc[数字]s.iloc[0]10标签显式s.loc[标签]s.loc[a]10切片标签s[start:end]s[a:c]a:10, b:20, c:30切片位置s.iloc[start:end]s.iloc[1:3]b:20, c:30布尔筛选s[条件]s[s 20]c:30, d:40多个标签s[[标签列表]]s[[a, c]]a:10, c:30最常用的三种python s[a] # 标签访问最简单 s.iloc[0] # 位置访问从0开始 s.loc[a] # 标签访问显式写法s[a]本质上等价于s.loc[a]但iloc必须用数字。