通过索引对数据操作：
上一篇介绍了关于pandas中Series对象和DataFrame对象的基本概念，现在来介绍一下通过索引对这两个对象的基本操作，首先咱们看一下Series的基本操作：
Series赋值：
在series中改变数据就像给列表或者字典重新赋值一样，都是通过索引然后等号，写上想要改变的值：
上图所示，在Series对象中 可以通过[索引] = 的方式改变该索引下的数据，也可以用过.+设定的字符类型的索引来更改对应的值，这个.+索引不可以直接用默认的数字索引。
DataFrame索引：
在dataframe里面他也可以通过索引的方式来修改或提取数据：
在dataframe中所用索引会和series稍有不同，在这里，dataframe对象后面第一个默认的索引是列，如果想精确到某个值，第二个索引是行索引，在这里行索引要与dataframe列表里面定义的一致才可以，不可以用默认的0起始的索引，除非你没有定义它，让它默认产生。。
如果你想要提取一行的数据的话，也是可以的调用.ix的方法就能做到：
在图中红色的地方不是报错，不需要担心，通过.ix的方法然后直接加上索引就得到了咱们想要的内容，我们想要的是第一行的所有数据，在这里直接提取了第一行的数据，并自动以列作为索引出现了左侧，如果你想要精确的找出某个数据，可以在后面再加上列的索引。
Dataframe通过索引赋值：
当你想要给dataframe里面的数据修改的时候，通过索引也可以进行修改：
有一点咱们要特别的注意，如果你就调用的列索引而没有精确到某个位置的话，你赋值会把这列的数据都改了。
如果你想给一个数组批量附上相应的值，也是可以的：
比如我们把燕小六改成1，2，3，4：
我们直接对dataframe批量修改数据的时候要注意元素的长度要对齐，直接用这种方式赋值多一个或者少一个都会报错，这时候我们用series对象给dataframe对象批量修改数据的时候就很方便了，即便是少数据，dataframe也会默认用空值把它填补上：
这里我们发现之前的 第1行 和第 4行的数据被NaN覆盖掉了，我们要注意一下，用series给该列赋值的时候如果没有填写上相应的数据，那么没有数据覆盖的地方会自动被NaN覆盖。
如果你想给dataframe对象添加一个新列的时候，咱们可以通过这种方法来操作：
通过这种方式可以直接给dataframe对象添加一个新的列。
Dataframe的转置:
dataframe转置与excel表格中的转置是一样效果的，其实就是行索引变为了列索引，列索引变成了行索引，当然，行索引和列索引互换的同时里面的数据也会相应的进行变换，最后保持数据的一致性。
转置的操作很简单吧，就是.T注意T是大写的。
这一节完事了，希望大家喜欢。