一、查看数据（查看对象的方法对于Series来说同样适用）
1.查看DataFrame前xx行或后xx行
a=DataFrame(data);
a.head(6)表示显示前6行数据，若head()中不带参数则会显示全部数据。
a.tail(6)表示显示后6行数据，若tail()中不带参数则也会显示全部数据。
2.查看DataFrame的index，columns以及values
a.index ; a.columns ; a.values 即可
3.describe()函数对数据快速统计汇总
a.describe()对每一列数据进行统计，包括计数，均值，std，各个分位数等。
4.对数据的转置
a.T
5.对轴进行排序
a.sort_index(axis=1,ascending=False)；
其中axis=1表示对所有的columns进行排序，下面的数也跟着发生移动。后面的ascending=False表示按降序排列，参数缺失时默认升序。
6.对DataFrame中的值排序
a.sort(columns=‘x’)
即对a中的x这一列，从小到大进行排序。注意仅仅是x这一列，而上面的按轴进行排序时会对所有的columns进行操作。
二、选择对象
1.选择特定列和行的数据
a[‘x’] 那么将会返回columns为x的列，注意这种方式一次只能返回一个列。a.x与a[‘x’]意思一样。
取行数据，通过切片[]来选择
如：a[0:3] 则会返回前三行的数据。
2.loc是通过标签来选择数据
a.loc[‘one’]则会默认表示选取行为’one’的行；
a.loc[:,[‘a’,‘b’] ] 表示选取所有的行以及columns为a,b的列；
a.loc[[‘one’,‘two’],[‘a’,‘b’]] 表示选取’one’和’two’这两行以及columns为a,b的列；
a.loc[‘one’,‘a’]与a.loc[[‘one’],[‘a’]]作用是一样的，不过前者只显示对应的值，而后者会显示对应的行和列标签。
3.iloc则是直接通过位置来选择数据
这与通过标签选择类似
a.iloc[1:2,1:2] 则会显示第一行第一列的数据;(切片后面的值取不到)
a.iloc[1:2] 即后面表示列的值没有时，默认选取行位置为1的数据;
a.iloc[[0,2],[1,2]] 即可以自由选取行位置，和列位置对应的数据。
4.使用条件来选择
使用单独的列来选择数据
a[a.c>0] 表示选择c列中大于0的数据
使用where来选择数据
a[a>0] 表直接选择a中所有大于0的数据
使用isin()选出特定列中包含特定值的行
a1=a.copy()
a1[a1[‘one’].isin([‘2’,‘3’])] 表显示满足条件：列one中的值包含’2’,'3’的所有行。
三、设置值（赋值）
赋值操作在上述选择操作的基础上直接赋值即可。
例a.loc[:,[‘a’,‘c’]]=9 即将a和c列的所有行中的值设置为9
a.iloc[:,[1,3]]=9 表示1和2列的所有行中的值设置为9
同时也依然可以用条件来直接赋值
a[a>0]=-a 表示将a中所有大于0的数转化为负值
1.打开终端模拟器，在命令行输入ipython notebook --ip=‘127.0.0.1’，在浏览器中会打开下面界面，切换到/home/zhangyu目录下，点击New，在其下拉框中选择Python3.
2.新建一个ipynb文件，用于编写并执行代码。
3.通过字典对象创建一个DataFrame。
import numpy as np
import pandas as pd
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
print(df)
4.查看df的前5行，查看df的后3行。
print(df.head())
print(df.tail(3))
5.查看df的索引名index。
print(df.index)
6.查看df的列名columns。
print(df.columns)
7.查看df的值values。
df.values
8.查看df的数据统计描述。
df.describe()
9.df的转置。
print(df.T)
10.按axis对df数据进行排序，axis=1表示按行排序，axis=0表示按列排序。
df.sort_index(axis=1,ascending=False)
11.按value对df数据进行排序。
df.sort_values(by='B')
Selection查看操作
12.查看df中的A列，返回一个Series。
print(df['A'])
13.通过[]查看df 的行片段。
print(df[0:3])
通过label查看df数据
14.使用loc查看df中dates[0]的部分。
df.loc[dates[0]]
15.使用loc查看A、B两列的值
print(df.loc[:,['A','B']])
16.使用loc查看日期从20130102到20130104的A,B量列的值。
print(df.loc['20130102':'20130104',['A','B']])
17.减少维度，查看日期为20130102中A,B两列的值。
df.loc['20130102',['A','B']]
18.得到一个标量值，使用loc查看df中date[0],A列的值。
print(df.loc[dates[0],'A'])
19.使用at快速查找df中dates[0],A列的值。
print(df.at[dates[0],'A'])
通过位置查看df数据
20.使用iloc查看df的第4行数据。
print(df.iloc[3])
21.使用iloc查看df中行下标为3:5，列下标为0:2的数据（不包含行下标为5的行，也不包含列下标为2的列）。
print(df.iloc[3:5,0:2])
22.使用iloc查看df中行下标为1,2,4，列下标为0,2的数据。
print(df.iloc[[1,2,4],[0,2]])
23.使用iloc查看df行下标为1:3的数据（不包含下标为3的行）。
print(df.iloc[1:3,:])
24.使用iloc查看df行列下标都为1的值。
print(df.iloc[1,1])
25.使用iat方法快速查看df中行列下标均为1的值。
print(df.iat[1,1])
使用布尔索引查看df的数据
26.查看df中满足df.A>0布尔条件的值。
print(df[df.A>0])
27.查看df中满足df>0布尔条件的值。
print(df[df>0])
28.使用copy方法赋值df给df2，为df2添加列名为E，值为[‘one’, ‘one’,‘two’,‘three’,‘four’,‘three’]的列，再使用isin()方法过滤出df中满足df2.E在[‘two’,‘four’]的数据。
df2=df.copy()
df2['E']=['one', 'one','two','three','four','three']
df[df2['E'].isin(['two','four'])]
