《Python数据分析基础》学习记录002:2.4选取连续的行，pandas方法实现

1、数据描述及要求：

详见文章末尾，需要练习的，直接复制，保存为csv文件。
数据的前三行（1，2，3）和后三行（16,17,18）为不需要保存的数据。
要求：丢弃这六行，在另外一个文件夹中保存中间的部分。

2、pandas模块思路分析

1. 使用drop方法索引和丢弃不要的列。
2. 使用.iloc[ ]方法，用整数来索引行或者列。
3. 使用reindex方法，重新生成索引。
4. 用to_csv（）保存需要保存的行

问题：

用不用reindex的差别是什么？

3、涉及方法学习：

1）pandas.DataFrame.drop

DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)[source]
删除指定标签的行或者列。
通过指定行或者列标签名称或者相关的轴名称来删除该行或者列。也可以通过直接指定需要删除的索引值或者列名称来删除行或者列。如果使用多重索引，一旦指定需要删除的层级，那么也可以删除该层级的标签。

详情请参照：

2）pandas.DataFrame.reindex

** DataFrame.reindex(self, labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)**
按照一定的填充逻辑（可以添加或者默认），为数据结构（表格）建立新索引。
如果先前没有这个索引，那么该方法会将NA或者NaN填充到新增的索引的值中。除非新索引跟就索引相同而且copy= False，否则该方法会生成一个新的对象。
详见：

3）pandas.DataFrame.columns

返回数据表格的列标签

4）pandas.DataFrame.index

返回数据表格的索引或者行标签

4、实现代码：

import pandas as pd

file1 = 'supplier_data1.csv'
file2 = 'output_file.csv'

data_frame = pd.read_csv