如下所示：
# create a dataframe with an integer feature and a categorical string feature
demo_df = pd.DataFrame({'Integer Feature': [0, 1, 2, 1], 'Categorical Feature': ['socks', 'fox', 'socks', 'box']})
demo_df
接下来用for遍历：
for indexs in demo_df.index:
假设我们有一个很简单的OTU表：
现在对这个表格进行遍历，一般写法为：
import pandas as pd
otu = pd.read_csv("otu.txt",sep="\t")
for index,row in otu.iterrows():
print index
print row
这里的iterrows()返回值为元组,(index,row)
上面的代码里，for循环定义了两个变量，index，row，那么返回的元组，index=index，row=row.
如果fo
相同点：
可以利用中括号获取元素 s[0]
可以的得到单个元素 或 一个元素切片 s[3,7]
可以遍历 for x in s
可以调用同样的函数获取最大最小值 s.mean() s.max()
可以用向量运算
和Numpy一样, Pandas Series 也是用C语言, 因此它比Python列表的运算更快
以上这篇浅谈Pandas Series 和 Numpy array中的相同点就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
在做分类模型时候，需要在DataFrame中按照行获取数据以便于进行训练和测试。
import pandas as pd
dict=[[1,2,3,4,5,6],[2,3,4,5,6,7],[3,4,5,6,7,8],[4,5,6,7,8,9],[5,6,7,8,9,10]]
data=pd.DataFrame(dict)
print(data)
for indexs in data.index:
print(data.loc[indexs].values[0:-1])
实验结果：
/u
