1、dataframe中的列操作

***给列赋值：为不存在的列赋值将会创建新的一列***

frame['column1'] = 1 //将frame的第一列赋值为1
frame['column1'] = np.arange(5.) //将frame的第一列赋值为01234
frame['column1'] = series //将series作为frame的一列，series和frame的index是对应的，若没有对应索引则值为NaN

***删除列***
del frame['column1']

2、重新索引：reindex函数

重新索引行：
frame.reindex(['2', '3', '1', '5', '4'], fill_value=0) //将obj按照23154的索引顺序重新排序，如果obj中没有相应索引对应的值，则使用0来填充
frame.reindex(range(6), method='ffill') // 按012345的索引排序，补充的索引如果没有对应的数值，则取前一个索引的值填充。 ffill或pad前向填充， bfill或backfill 后向填充

重新索引列：
print frame.reindex(columns=['column2', 'column3', 'column1']) 

重新索引行和列：
frame.loc[['2', '3', '1', '5', '4'], ['column2', 'column3', 'column1']] 

“删除”行，即不索引某行：
frame.drop(['2', '3']) //不索引2和3对应的行

“删除”列，即不索引某列：
frame.drop(['column2', 'column3'], axis=1) //不索引column2和column3对应的列

3、选取和过滤

列选取：
frame[['column1', 'column2']] //选取列1和列2

行选取：
frame[:2] //选取前2行

根据条件过滤：
frame[frame['column1'] > 5] //选取第一列值大于5的所有行

行和列同时选取：
data.loc['index1':'index3', ['column1', 'column2']]  //选取index1到index3对应的行，再选取其中的列1和列2

#loc只能通过index和columns来取，不能用数字 df.loc['one','a']#one行，a列 df.loc['one':'two','a']#one到two行，a列 df.loc['one':'two','a':'c']#one到two行，a到c列 df.loc['one':'two',['a','c']]#one到two行，ac列   #iloc只能用数字索引，不能用索引名 df.iloc[0:2]#前2行 df.iloc[0]#第0行 df.iloc[0:2,0:2]#0、1行，0、1列 df.iloc[[0,2],[1,2,3]]#第0、2行，1、2、3列