import pandas as pd
import numpy as np
壹維數組，包含壹個數組對象，壹個索引對象，索引對象默認為0開始的遞增數字，可通過index=[idx1, idx2, ...]參數指定
可通過索引選取/修改相應的數據，選取：data=series[idx], 修改：series[[idxm, idxn, ...]]=[dm, dn, ...]
series可看成定長有序字典，索引到數據的映射，series可用於字典參數的函數中。idxn in series返回True/False
多個series做算術操作，會自動對齊不同索引的數據，無此數據自動填充NaN
可看作多個series組成的表單，dataframe有兩種索引，與series相同的index行索引，還有columns列索引
選取/修改壹行數據dataframe.loc['index']
選取/修改壹列數據dataframe['column'], dataframe.column
obj.reindex(newIndex) #適用於series與dataframe
obj.reindex(index=newIndex, columns=newcolumns) #dataframe需對行索引列索引都重新索引時
obj.reindex(index=newindex, columns=newcolumns, fill_value=100) #指定填充值，不指定時填充NaN
obj.reindex(index=newindex, columns=newcolumns, fill_value=100, method='ffill') ? #指定填充方法ffill/pad(前向填充),bfill/backfill(後向填充)
obj=obj.drop(index, axis=0)
obj=obj.drop([col1, col2, ...], axis=1)
axis默認為0，刪除列數據時指定axis為1
series
obj = pd.Series(range(5), index=list('abcde'))
取單數obj[2]， ? obj['c']
切片取數 obj[2:5]，obj['a':'c']
不連續取數obj[1,3]，obj['a','c','d']
過濾 obj[obj>2],
修改 obj[3]=0,
註：series切片不用於python數據結構的切片，series的切片包含末端，即python:[start, end), series:[start, end]
dataframe
obj = pd.DataFrame(np.arange(15).reshape((3,5)),
index = ['one', 'two', 'three'],
columns = list('abcde') )
取單列 ?obj.loc[:, 'c'], ?obj.iloc[:, 2], obj.xs('c', axis=1), obj['c']，?
取單行 ?obj.loc['one'], obj.iloc[1],obj.xs('one', axis=0),?
取連續行 ?obj.loc['one':'three'], ? obj.iloc[1:3], obj[:2],?
取連續列 ?obj.loc[:, 'b':'d'], ?obj.iloc[:, 2:4],
取不連續行 ?obj.loc[['one','three']] ?obj.iloc[[0,2]],
取不連續列 ?obj.loc[:, ['b', 'e']] obj.iloc[:, [1,4]],
取單行單列 ?obj.loc['two', 'd'] ?obj.iloc[2, 4]
取連續行列 ?obj.loc['one':'three', 'b':'d'] ? obj.iloc[:2, 2:4]
取不連續行列? obj.loc[['one','three'], ['b':'d']] ?obj.iloc[[0,2], [1,4]]
根據列值過濾行 ? obj.loc[obj['c']%2==0, :] ?
******此處吐個槽，這個切片方法壹會兒只能取單列，壹會兒只能取連續行，壹會兒包含終止項，壹會兒不包含，我人都傻了...
******loc/iloc方法接收兩個參數，第壹個是行，第二個是列，都可切片，也都可指定索引，列參數可以不寫，默認取所有列數據
******下面總結下這個花哨的切片！
dataframe有兩種索引，行索引/列索引。每種索引包含兩類用法，索引名稱(對應df.loc)/索引下標對應(df.iloc)
① df[columnName] ?取單列數據，只能用列名，不能使用列下標，不能用於取單行
② df[lineName1: lineName2] ? 取連續行數據，使用行名時，包含末尾項，即[start，end]
③ df[lineIndex1: lineIndex2] 取連續行數據，使用行下標時，不包含末尾項?，即[start，end)
④ df.loc['line2':'line4']?取連續行數據，使用行名時，包含末尾項，即[start，end]?
⑤ df.iloc[2:4]取連續行數據，使用行下標時，不包含末尾項?，即[start，end)?
⑥df.loc[:,?columnName1:columnName2] ? 取連續列，使用列名時，包含末尾項，即[start，end]
⑦ df.iloc[:, columnIndex1:columnIndex2] 取連續列，使用列下標時，不包含末尾項，即[start，end)
⑧ df.loc[[lineName1, ...], [columnName1, ...]] 使用行名/列名取不連續行列
⑨ df.iloc[[lineIndex1, ...], [columnIndex1, ...]] ?使用行下標/列下標取不連續行列
以前用的時候總覺得奇奇怪怪的，花了壹下午時間壹個壹個嘗試終於捋順了，歐耶！ (〃￣︶￣) 人 (￣︶￣〃)
DataFrame直接切片，即df[args]，可用於指定列名取單列數據，可用於指定行名/行下標取連續多行數據
取單行數據不可直接切片，需使用loc/iloc方法
DataFrame.loc(line, column) 用於按索引名稱取行/列數據，此時，首尾項都會被取出
?參數line指定行索引名稱，參數2指定列索引名稱（可省略，默認選取所有列）。
DataFrame.iloc(line, column) 用於按索引下標取行/列數據，此時，尾項數據不會被取出
? 參數line指定行索引下標，參數2指定列索引下標（可省略，默認選取所有列）。