indexing，iteration

这个模块下有12个方法，主要是对数据的一个获取处理，用处会比较大。
get，loc，pop，xs比较有价值。

get（1）：在Series中，可以通过索引来获取数组中指定的数组值，两个关键字：key（放置索引值），default（如果key值大于数组索引值，则返回这里的默认值，可以自定义）

list0 = ['a','b','c','d']
dp = pd.Series(data=list0)
print(dp.get(key=0))
print(dp.get(key=10))
print(dp.get(key=10,default='not fount data'))

at（2）：就Series的话，在使用上和get差不多，但在Dataframe上使用就宽泛了。

list0 = ['a','b','c','d']
dp = pd.Series(data=list0)
print(dp.at[3])

iat（3）：和at有点差异，at通过标签，iat通过数值。

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.at['a1'])
print(dp.iat[3])
#这里使用iat会报错
print(dp.iat['a1'])

loc（4）：通过标签来获取对应值，这个函数的入参使用比较灵活。

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.loc['a1':'d1'])

iloc（5）：和loc差不多，区别是iloc是依靠数值来获取位置，一样很灵活。

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.iloc[0:1])

iter（6）：返回迭代值，不知道是不是会有性能上的优势，一般使用上价值不大。

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.__iter__())
print(dp.__iter__)

items（7）：返回一个可迭代的元组，且附带index，value来获取其中的键值

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.items)
for index,value in dp.items():
    print(f"Index : {index}, Value : {value}")

iteritems（8）：和items差不多
keys（9）：返回index名称
pop（10）：通过索引删除Series内的元素

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.pop('a1'))
print(dp)

item（11）：返回第一个基础数据元素为python标量。没理解这个功能的用处是啥，有点鸡肋的感觉

list0 = ['a','b','c','d']
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp[0:1].item())
print(type(dp[0:1].item()))

xs（12）：获取一个数据的截取，在Series上一些参数好像不能使用，不清楚是不是我用错了，在DataFrame上似乎效果不错。

list0 = [['a1','a2','a3'],['b1','b2','b3'],['c1','c2','c3'],['d1','d2','d3']]
dp = pd.Series(data=list0,index=['a1','b1','c1','d1'])
print(dp.xs('a1'))