我们可以使用行和列标签访问 DataFrame 的行、列或单个元素
import pandas as pd
# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35},
{'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]
# 创建一个DataFrame并指定row index
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2'])
# 输出这个DataFrame
print(store_items)
print()
# 通过标签访问行，列和元素
print('在每个store中有多少自行车:\n', store_items[['bikes']])
print()
print('在每个store中有多少自行车和短裤:\n', store_items[['bikes', 'pants']])
print()
print('在store 1中有什么条目:\n', store_items.loc[['store 1']])
print()
print('在Store 2中有多少自行车:', store_items['bikes']['store 2'])输出：
bikes glasses pants watches
store 1 20 NaN 30 35
store 2 15 50.0 5 10
在每个store中有多少自行车:
bikes
store 1 20
store 2 15
在每个store中有多少自行车和短裤:
bikes pants
store 1 20 30
store 2 15 5
在store 1中有什么条目:
bikes glasses pants watches
store 1 20 NaN 30 35
在Store 2中有多少自行车: 15注意：在访问 DataFrame 中的单个元素时，就像上个示例一样，必须始终提供标签，并且列标签在前，格式为 dataframe[column][row]，如果先提供行标签，将出错。
通过添加行或列修改 DataFrame
- 我们向 store_items DataFrame 添加一个新列，表示每个商店的衬衫库存。我们来编写代码：
import pandas as pd
# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35},
{'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]
# 创建一个DataFrame并指定row index
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2'])
# 向store1中添加15个shirts, 向store2中添加2个shirts
store_items['shirts'] = [15,2]
# 显示修改过得 DataFrame
store_items显示输出：
可以看出：当我们添加新的列时，新列添加到了 DataFrame 的末尾
下面，使用算术运算符向 DataFrame 中的其他列之间添加新列
import pandas as pd
# 创建一个字典列表
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35},
{'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]
# 通过相加shirts和pants列，来创建一个称为suits的新列
store_items['suits'] = store_items['pants'] + store_items['shirts']
# 显示修改后的 DataFrame
store_items输出：
向 DataFrame 中添加行
要向 DataFrame 中添加行，我们首先需要创建新的 Dataframe，然后将其附加到原始 DataFrame 上。
import pandas as pd
items2 = [{'bikes': 20, 'pants': 30, 'watches': 35},
{'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]
# 创建一个DataFrame并指定row index
store_items = pd.DataFrame(items2, index = ['store 1', 'store 2'])
# 创建一个包含一个字典的列表
new_items = [{'bikes': 20, 'pants': 30, 'watches': 35, 'glasses': 4}]
# 创建一个新的DataFrame并设标签为：store 3
new_store = pd.DataFrame(new_items, index = ['store 3'])
# 使用 .append() 方法将此行添加到 store_items DataFrame 中
store_items = store_items.append(new_store)
# 显示被修改的DataFrame
store_items输出显示：
注意：将新行附加到 DataFrame 后，列按照字母顺序排序了。
使用特定列的特定行中的数据向 DataFrame 添加新的列
假设你想在store 2 和 3 中上一批新手表，并且新手表的数量与这些商店原有手表的库存一样
参照上面代码补充：
store_items['new watches'] = store_items['watches'][1:]
# 显示修改过得 DataFrame
store_items显示：
dataframe.insert(loc,label,data)方法使我们能够将新列（具有给定列标签和给定数据）插入 dataframe 的loc位置
重用上述代码：
# 将名称为 shoes 的新列插入 suits 列前面。因为 suits 的数字索引值为 4，我们将此值作为 loc
store_items.insert(4, 'shoes', [8,5,0])
# 显示修改后的 DataFrame
store_items
显示：
要删除 DataFrame 中的行和列
- 使用
.pop()和.drop()方法。.pop()方法仅允许我们删除列，而.drop()方法可以同时用于删除行和列，只需使用关键字 axis 即可
重用上述代码：
# 删除new watches列
store_items.pop('new watches')
# 显示修改后的 DataFrame
store_items显示：
# 删除 watches, shoes, pants 几列
store_items = store_items.drop(['watches', 'shoes', 'pants'], axis = 1)
# 显示修改后的 DataFrame
store_items显示：
- 删除 store 2 and store 1 行
# 删除 store 2 and store 1 行
store_items = store_items.drop(['store 2', 'store 1'], axis = 0)
# 显示修改后的 DataFrame
store_items显示：
- 我们可能需要更改行和列标签。我们使用
.rename()方法将 bikes 列标签改为 hats
# 使用 .rename() 方法将 bikes 列标签改为 hats
store_items = store_items.rename(columns = {'bikes': 'hats'})
# 显示修改后的 DataFrame
store_items显示：
- 也可以使用
.rename()方法更改行标签
store_items = store_items.rename(index = {'store 3': 'store 1'})
# 显示修改后的 DataFrame
store_items显示：
- 最后，也可以使用set_index将索引改为 DataFrame 中的某个列，这个不常用。https://blog.csdn.net/starter_____/article/details/79185054