A、データフレームのインデックス
1、列を選択
1頭の インポートPDとしてパンダ 2 インポートNPとしてnumpyの 3 からパンダがインポートシリーズ、データフレームを 4 5 DF = DATAFRAME（np.random.rand（12）.reshape（（3,4 ））、 6 指数= [ ' 1 '、' 2 ' ' 3 ' ]、 7 列=リスト（' ABCD ' ） 8 ） 9 プリント（DF） 10型（DF [ ' '】） 11 DF [ ' A '、' C ' ] ＃データフレーム
注：DF [] - 列を選択し、整数の行を選択したが、個別に選択されないが、そのようなスライスDF等の手段を用いる[2]
2. [行
=データフレームDF1（np.random.rand（12）と.reshape（（3,4- ））、 インデックス = [3,2,1 ]、 カラム =リスト（' ABCD ' ） ） プリント（DF1） df.loc [ ' 一「 ] ＃別々のライン、シリーズオブジェクトのリターンされ ＃、唯一デフォルトインデックスは、整数のインデックス整数df1.loc [0]＃ある df.loc [[ 」一「」三「」フォー' ] ＃複数の行は、ターゲットデータフレームのリターンである 2 :. 1 [df1.loc ] ＃df.loc [「2」：「3 」]＃インデックスラベル部分が間隔閉じ ＃1 df.locを[ラベル]は主に指定されたインデックス、およびデフォルトインデックスことを指摘、行インデックスを目的としています
注：df.loc [] - インデックスの行を選択し、インデックス文字列ラベル
インデックスの3、別の方法
（0から長さ-1）df.iloc []記載整数位置選択された行は、
インデックスリストに類似して、順序がデータフレームの整数位置であり、操作者が0から始まります
1枚の プリント（DF） 2 df.iloc [0] ＃行 3 ＃df.iloc [3]は、インデックスの範囲を超えない 。4 df.iloc [[0,1]] ＃複数の行が選択され、オブジェクト返すデータフレーム 。5 。6 DF。 ILOC [1,0] ＃の複数の選択された行が可変である 。7 df.iloc [2 ::]
4、ブール指標
同じ原理およびシリーズの原則
1 ＃DF = DF / 10000 2 プリント（DF） 。3 B1 = DF <20である ＃戻り、同一DF形状ブールデータフレーム 4 DF [B1] ＃データフレーム、すべてのデータは、元のデータにtrueを返し、falseを返すはNaNを返します 5 。6 B2 = DF [ ' ' ]> 50の ＃は、分離は、シリーズである。7 ＃1 印刷（B2、タイプ（B2））。8 DF [B2] ＃は保持Trueにラインデータを決定し、判定を行うために分離する。9 10 ＃の複数の行判断を行う。11 B3 = DF [[ ' A '、' B ' ]]> 50 ＃ 戻りブールデータフレーム 12で プリント（B3） 13は プリント（DF [B3]） ＃は、Trueに同じ形状データフレームの戻り位置データを返し偽、及び他の位置ははNaNを返されます
5、マルチインデックス、一方インデックス列と行
1枚の プリント（DF） 2 DF [ ' A ' ] .LOC [[ ' 1 '、' 3 ' ] 3 DF [[ ' B '、' C '、' D ' ]]。ILOC [:: 2 ] 4 DF [DF [ ' A ' ] <50] .iloc [0]
第二に、データフレームの基本的な操作
1、ビューと転置
1 DF = DATAFRAME（np.random.rand（16）.reshape（（4,4 ））） 2 df.head（2 ） 3 df.tail（） 4 ＃.T 5 プリント（DF） 6 プリント（DF。 T）
2、追加および変更
1 df.columns =リスト（' ABCD ' ） 2 DF [ ' E ' ] = 10 ＃を 加え、スカラーを繰り返し指定 。3 DF
1 位ライン、DF上記データ追加 2 df.locを[4] = 5 。3 プリント（DF）
1 ＃変更、DF上記データ 2 DF [ ' E ' ] = 0 。3 プリント（DF）
1 ＃複数の列を変更する、DF上記データ 2 DF [ ' D '、' E ' ] = 88 。3 プリント（DF）は、 4 ＃直接割り当てランキング
3、削除
1 位データ前掲デルDF削除 2 デル DF [ ' E ' ] 3 プリント（DF）を
1 ＃除去する第二の方法 2 df.drop（0） ＃1 ドロップのデフォルトは削除後datafarmeが返され
1 ＃ドロップ（）を削除軸= 0軸= 1行削除カラム 2 df.drop（' A '、軸= 1）
1つの ＃の降下は、データインプレース=真の元の設定、変更、新しいデフォルト値を返す 2 df.drop（0、インプレース= true）を
3 DF
4、アラインメント
1 DF = DATAFRAME（np.arange（16）.reshape（（4,4））、列=リスト（' ABCD ' ）） 2 DF1 = DATAFRAME（np.arange（9）.reshape（（3,3）） 、列=リスト（' CBA ' ）） 。3 プリント（DF） 。4 プリント（DF1） 。5 ＃自動的に行と列のラベルに並ぶ 。6 DF + DF1
5、並べ替え
1 DF = DATAFRAME（np.random.randint（16、サイズ= [4,4]）、カラム=リスト（' ABCD ' ）） 2 DF 3 ＃を押して値をソート 。4 df.sort_values（' B '、= Falseの昇順） ＃はBの行、デフォルト上昇デフォルト昇順=真、偽降順の列に等しいタグ値によってソート 。5 。6 df.sort_values（[ 「B 」、「C 」 ]） ＃1 関節
1 ＃デフォルト軸= 0、値は、列のインデックス通過する必要が最初のパラメータに、行をソートするカラムを使用することである 2 ＃軸= 1は、着信、列を並べ替えるために、ラインの値を使用することです行インデックス 。3 df.sort_values（2、軸= 1）
1つの ＃ソートインデックス 2 df.index = [5,2,4,1 ] 。3 df.columns =リスト（' ADCE ' ） 。4 プリント（DF） 。5 。6 df.sort_index（昇順=偽） ＃のデフォルトの行インデックス降順昇順降順= Falseの 7。 ＃。Axisはソート1 =列インデックス 。8 df.sort_index（軸= 1）
