开发者学堂课程【高校精品课-华东师范大学 - Python 数据科学基础与实践：Pandas 基础3】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/1067/detail/15382
Pandas 基础3
内容介绍
一、整数索引
二、算术和数据对齐
本节课讲解 Pandas 中的整数索引，在 python 的基本数据结构中， list 和 tuple 使用整数索引进行记录的查找非常方便；但是在 Pandas 中可能会发生错误。
一、整数索引
讲解一个事例，创建一个 Pandas 的系列 Series （ np . arrange ),观察系列的结果，里面的索引是0、1、2，值是浮点型的，在观察使用整数索引的取值，取-1时报出，如是列表，-1是最后一个元素，但是在 Pandas Series 里就会不一样，问题是索引里存在 0、1、2，当使用-1时就不在索引范围里。如使用非整数索引来做 index ，就没有歧义了，
如上图再做一个索引，索引是 a 、 b 、c ，此时使用-1，发现在索引里不存在 a 、 b 、c 的内容，-1代表了找最后一条记录，原来的索引是0、1、2时，因为是整数，所以里面可能是 -1、-2，可以包括负数。
为了保持连贯性，如果 axis index 里包含 integer ，那么选择数据的时候，就会是 label - orented ，为了更精确地选择，使用 loc （ for label ）或 ilco （ for integers ）查找， ilco （ for integers ）进行整数型。下图事例，
注意：Iloc 是寻找0这条记录，注意后面与 iloc 的对比， python 中的 Pandas 就是如此定义。
二、算术和数据对齐
Pandas 一个有用的 feature ，就是不同 index 的 object 之间的算术计算，如果两个 object 相加，但他们各自的 index 并不相同，最后结果得到的 index 是这两个 index 的合集。如下图事例，
将其进行计算，得到的结果如下图所示，
两个系列相加时，如下图所示，
如 index 不相同，d 两个只存在其中一个，这种数据对齐的方式（ internal data alignment ），索引相同才可以进行相加，引入了很多缺失值在没有对应 index 的位置上，这些缺失值会被用在之后的算术计算中；在数据框中，数据对齐同时发生在行和列上，如下图所示事例，
第一个构造了如上图的数据框，三行三列，列的名字是 b 、 c 、 d ，列的名字是 Ohio ，Taxas ， Colorado 。
第二个数据框如上图所示，显示如上结果。
上图是显示的结果，如两个数据库相加的结果就是两个数据框，行和列的合集，下图是相加的结果，
行和列完全相同的才能够相加，一个不相同，所相加的值就为空值。因为 c 和 e 都不在两个数据框里，所有全是缺失值，即使有相同的，但列不一样的话也会是缺失值，如果两个数据框相加，而且没有 column 和 row ，结果会全是 null 。
如下图事例，
所得结果为下图，
两个数据库相减，里面的值都为空，因为两个数据框的列不相同，所以就会产生两个新列。
