import pandas as pd
data={
"name":["唐浩","小王","老王","赵三","李四"],
"sex":["男","女","男","女","男"],
"year":[37,22,15,18,33],
"city":["成都","北京","上海","成都","深圳"]
}
#DataFrame的排序sort_values(by="字段即key")
#eg:
# df1=pd.DataFrame(data)
# print(df1)
# print("_______________________-")
# df2=df1.sort_values(by="year") #只是排序了，但索引顺序没有变，
# print(df2)
# print("_______________________-")
# #我们将原索引顺序删除就行了
# df3=df2.reset_index() #重建索引,不删除原索引
# print(df3)
# df4=df2.reset_index(drop=True) #重建索引,删除了原索引
# print(df4)
#数据选取
#Series数据的选取与列表差不多，大同小异，就不多说，下面讲DataFrame，他要复杂一些
df5=pd.DataFrame(data)
# print(df5)
#选取列，有两种方式：df5["name"]或df5.name,都能获取到，返回一个Series数据列
# print(df5["name"])
# print(df5.city)
#选取多列
# print(df5[["name","city"]])
#选取列不能用切片，切片是对行操作的，不过当你选取列后的数据操作是可以切片的
#选取行,loc,iloc,ix等
# print(df5)
# df6=df5.set_index("name") #将某列设为索引标签列
# print(df6)
# print(df6.loc["唐浩"]) #通过索引标签来选取 loc["这里面必须要是索引标签，其它报错"]
# print("______________")
# print(df6.loc[["唐浩","老王"]]) #通过多个索引标签来选取
#同上，iloc[1] 这是索引位置来选取。
#高级方式，选取行和列ix
# print(df5)
# df6=df5.set_index("name")
# df6=df5.ix[:,:] #选取所有行列，ix[行,列]
# print(df6)
# df6=df5.set_index("name") 设了才能用下面这个，不设就只能用索引号
# df7=df6.ix[["唐浩","李四"],:]
# df8=df5.ix[:,["name","sex"]]
# print(df8)
# df9=df5.ix[0]
# print(df9)
######条件bool选择,相当于用值进行选择嘛，第一层得到 bool,第二层得到相关的数据
# print(df5)
# df10=df5[(df5["city"]=="成都") & (df5["sex"]=="男")]
# df10=df5[(df5["city"]=="成都") & (df5["sex"]=="男")] #相当于条件筛选了
# df11=df5[(df5["year"]>20) & (df5["sex"]=="男") &(df5["city"]=="成都")] #相当于多重条件筛选了
# print(df11)
# print(df11.sort_values("year"))
#操作行与列:即 增 、 删 、 改 、 查（选择，前面学了）
# print(df5)
"""
name sex year city
0 唐浩 男 37 成都
1 小王 女 22 北京
2 老王 男 15 上海
3 赵三 女 18 成都
4 李四 男 33 深圳
"""
#就在上面表里面操作吧
#增 新增行 df5.append(字典型数据)
# newdata={"name":"小红","sex":"女","year":20,"city":"中江"}
# df6=df5.append(newdata,ignore_index=True) #产生一个新数据，原数据不变，df5不变
# #要想改变原数据，就df5=df5.append(...)
# print(df6)
# #新增列
# df5["love"]="小狗" #为一个不存在的列名赋值就新增了一列了，但是所有数据都是相同的，
# print(df5)
# df5["wwww"]=["abc","def","abbbb","xxxxxx","dfdfsfds"] #不多不少，刚好那么多就不会报错
# print(df5)
#删除
# df8=df5.drop(1) #原数据不变，即df5没变化，drop(位置) 删除行
# print(df8)
# df9=df5.drop("year",axis=1) #axis 1为x轴找，0为y轴找。 删除列
# print(df9)
#修改，这里的修改讲的是行和列索引与列标签的修改，没讲到值修改
# df10=df5.ix[[1,2,4],:]
# print(df10)
# df11=df10.rename(index={4:3},columns={"city":"CITY"},inplace=False) #True是在原数据上修改
# print(df11)
# df11["name"][1]="小李子"
# print(df11)
原文地址：https://www.cnblogs.com/yiyea/p/11441795.html