pandas主要的兩個資料結構是：series（相當於一行或一列資料結構和dataframe（相當於多行多列的乙個**資料機構）。
原文：dataframe.drop(labels=none, axis=0, index=none, columns=none, level=none, inplace=false, errors='raise'
)inplace = true 時，會使dataframe刪除對應的行或列，否則，dataframe保持不變，只是返回刪除後的結果。
1.重新索引：reindex和ix
1.1 series
比方說：data=series([4,5,6],index=['a','b','c'])，行索引為a,b,c。
我們用data.reindex(['a','c','d','e'])修改索引後則輸出：
可以理解成我們用reindex設了索引後，根據索引去原來data裡面匹配對應的值，沒匹配上的就是nan。
1.2 dataframe
（1）行索引修改：dataframe行索引同series
（2）列索引修改：列索引用reindex(columns=['m1','m2','m3']),用引數columns來指定對列索引進行修改。修改邏輯類似行索引，也是相當於用新列索引去匹配原來的資料，沒匹配上的置nan
例：
（3）同時對行和列索引進行修改可以用
2.丟棄指定軸上的列（通俗的說法就是刪除行或者列）:drop
通過索引進行選擇刪除哪一行或者哪一列
data.drop(['a','c']) 相當於delete table a where xid='a' or xid='c'
data.drop('m1',axis=1)相當於delete table a where yid='m1'
3.選取和過濾（通俗的說就是sql中按照條件篩選查詢）
python中因為有行列索引，在做資料的篩選會比較方便
3.1 series
（1）按照行索引進行選擇如
#前者是不包含末端，後者是包含了末端
（2）按照值的大小進行篩選obj[obj>-0.6]相當於在obj資料中找出值比-0.6大的記錄進行展示
（1）選擇單行用ix或者xs：
如篩選索引為b的那條行記錄用以下三種方式
（2）選擇多行:
篩選索引為a,b的兩條行記錄的方式
#以上不能直接寫成data[['a','b']]
data[0:2]表示從第一行到第二行的記錄。第一行預設從0開始數，不包含末端的2。
（3）選擇單列
篩選m1列的所有行記錄資料
（4）選擇多列
篩選m1,m3兩個列，所有行記錄的資料
ix[:,['m1','m2']]前面的：表示所有的行都篩選進來。
（5）根據值的大小條件篩選行或者列
如篩選出某一列值大於4的所有記錄相當於select * from tb where 列名》4
（6）如果篩選某列值大於4的所有記錄，且只需展示部分列的情況時
行用條件進行篩選，列用[0,2]篩選第一列和第三列的資料
或參考：
pandas獲取指定的列和行
house info pd.read csv house info.csv 1 取行的操作 house info.loc 3 6 類似於python的切片操作 2 取列操作 house info price 這是讀取csv檔案時預設的第一行索引 3 取兩列 house info price trad...
pandas獲取指定的列和行
house info pd.read csv house info.csv 1 取行的操作 house info.loc 3 6 類似於python的切片操作 2 取列操作 house info price 這是讀取csv檔案時預設的第一行索引 3 取兩列 house info price trad...
使用pandas實現篩選出指定列值所對應的行
在pandas中怎麼樣實現類似mysql查詢語句的功能 select from table where column name some value pandas中獲取資料的有以下幾種方法 假設資料如下 import pandas as pd import numpy as np df pd.dat...