d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print (df ['one'])
# 選擇其中一列進(jìn)行顯示，列長(zhǎng)度為最長(zhǎng)列的長(zhǎng)度
# 除了 index 和 數(shù)據(jù)，還會(huì)顯示 列表頭名，和 數(shù)據(jù) 類(lèi)型

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)

# Adding a new column to an existing DataFrame object with column label by passing new series

print ("Adding a new column by passing as Series:")
df['three']=pd.Series([10,30,20],index=['a','c','b'])
print(df)
# 增加列后進(jìn)行顯示，其中 index 用于對(duì)應(yīng)到該列 元素 位置（所以位置可以不由 列表 中的順序進(jìn)行指定）

print ("Adding a new column using the existing columns in DataFrame:")
df['four']=df['one']+df['two']+df['three']
print(df)
# 我們選定列后，直接可以對(duì)整個(gè)列的元素進(jìn)行批量運(yùn)算操作，這里 NaN 與其他元素相加后，還是 NaN

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']),
  'three' : pd.Series([10,20,30], index=['a','b','c'])}

df = pd.DataFrame(d)
print ("Our dataframe is:")
print(df)

# 使用 del 函數(shù)
print ("Deleting the first column using DEL function:")
del(df['one'])
print(df)

# 使用 pop 函數(shù)
print ("Deleting another column using POP function:")
df_2=df.pop('two') # 將一列 pop 到新的 dataframe
print(df_2)
print(df)

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print(df.loc['b']) # 顯示這一行中，對(duì)應(yīng)表頭 下的 對(duì)應(yīng)數(shù)據(jù)，同時(shí)顯示 行 index 和 數(shù)據(jù)類(lèi)型

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print(df.iloc[2]) # 序號(hào) 2 對(duì)應(yīng)的是第 3 行的數(shù)據(jù)

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
  'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print(df[2:4]) # 這里選擇第 3 到 第 4 行，與 Python 切片一致，不需要函數(shù)，直接切片即可

# 通過(guò) append 函數(shù)
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])

df = df.append(df2)
print(df) # 這里相當(dāng)于把 第二個(gè) dataframe 與第一個(gè)進(jìn)行拼接，默認(rèn)的 index 都是 0 1
print(df.loc[0]) # 這里有兩行的 index 是 0

# 通過(guò) drop 函數(shù)
df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])

df = df.append(df2)

df = df.drop(0) # 這里有兩個(gè)行標(biāo)簽為 0，所以直接刪除了 2 行
print(df)