DataFrame的索引

一个简单的DataFrame如下

test = pd.DataFrame([[1,2,3,4],[5,6,7,8]],index = ['a','b'],columns = ['A','B','C','D'])

显示如下：

   A  B  C  D
a  1  2  3  4
b  5  6  7  8

DataFrame的列索引可以直接获取数据：

In：test['A']
Out: 
a    1
b    5

Name: A, dtype: int64

注意这里A的引号

但是，

In：test.A

Out: 
a    1
b    5
Name: A, dtype: int64

注意这里不用带引号，否则会报错

In：test.'A'

  File "<ipython-input-36-1b55dced7ffe>", line 1
    test.'A'
           ^

SyntaxError: invalid syntax

行索引需要以这种方式获取：

In：test.loc['a']
Out: 
A    1
B    2
C    3
D    4

Name: a, dtype: int64

还是要注意带引号的问题

取二维索引时，比较有意思的事情是：

先取列索引，后取行索引时可以直接取：

 In：test.A.a

Out: 1

如果反过来就会报错（因为不能取到test.a）

同时，还可以以这样的方式取：

In：test.loc['a']['A']
Out: 1

In：test.loc['a','A']

Out: 1

同样要注意到引号的问题。

改变数据时，行或者列的删除也是有区别的：

列添加：添加一列，直接赋值新的一列即可，如：test['E'] = [9,10]

则test变为  ：

   A  B  C  D   E
a  1  2  3  4   9

b  5  6  7  8  10

列删除：pop函数，会返回被删除的列

In：test.pop('E')
Out: 
a     9
b    10

Name: E, dtype: int64

同时test变为：

   A  B  C  D
a  1  2  3  4

b  5  6  7  8

行修改和增加同理，取到要求的索引进行赋值即可，借用到loc

test.loc['a'] = [4,3,9,6]

test.loc['c'] = [9,9,9,9]

test变为：

   A  B  C  D
a  4  3  9  6
b  5  6  7  8
c  9  9  9  9

行删除：用到drop函数

In：test.drop('b')

Out: 
   A  B  C  D
a  4  3  9  6

c  9  9  9  9

注意这里返回了删除之后剩下的DataFrame，注意与列删除的区别

同时，test的值为：

   A  B  C  D
a  4  3  9  6
b  5  6  7  8

c  9  9  9  9

对原值没有影响！！！切记