原文链接：http://bbs.fishc.com/thread-7…

2. import numpy as np
3. import pandas as pd
4. from pandas import Sereis, DataFrame
6. ser = Series(np.arange(3.))
8. data = DataFrame(np.arange(16).reshape(4,4),index=list(‘abcd’),columns=list(‘wxyz’))
10. data[‘w’]  #抉择表格中的 ’w’ 列，应用类字典属性, 返回的是 Series 类型
12. data.w    #抉择表格中的 ’w’ 列，应用点属性, 返回的是 Series 类型
14. data[[‘w’]]  #抉择表格中的 ’w’ 列，返回的是 DataFrame 属性
16. data[[‘w’,’z’]]  #抉择表格中的 ’w’、’z’ 列
18. data[0:2]  #返回第 1 行到第 2 行的所有行，前闭后开，包含前不包含后
20. data[1:2]  #返回第 2 行，从 0 计，返回的是单行，通过有前后值的索引模式，
21.        #如果采纳 data[1] 则报错
23. data.ix[1:2] #返回第 2 行的第三种办法，返回的是 DataFrame，跟 data[1:2] 同
25. data[‘a’:’b’]  #利用 index 值进行切片，返回的是 ** 前闭后闭 ** 的 DataFrame, 
26.         #即末端是蕴含的  
27. data.irow(0)   #取 data 的第一行
28. data.icol(0)   #取 data 的第一列
30. data.head()  #返回 data 的前几行数据，默认为前五行，须要前十行则 dta.head(10)
31. data.tail()  #返回 data 的后几行数据，默认为后五行，须要后十行则 data.tail(10)
33. ser.iget_value(0)  #选取 ser 序列中的第一个
34. ser.iget_value(-1) #选取 ser 序列中的最初一个，这种轴索引蕴含索引器的 series 不能采纳 ser[-1] 去获取最初一个，这回引起歧义。
36. data.iloc[-1]   #选取 DataFrame 最初一行，返回的是 Series
37. data.iloc[-1:]   #选取 DataFrame 最初一行，返回的是 DataFrame
39. data.loc[‘a’,[‘w’,’x’]]   #返回‘a’行 ’w’、’x’ 列，这种用于选取行索引列索引已知
41. data.iat[1,1]   #选取第二行第二列，用于已知行、列地位的选取。

例子：

1. import pandas as pd
2. from pandas import Series, DataFrame
3. import numpy as np
5. data = DataFrame(np.arange(15).reshape(3,5),index=[‘one’,’two’,’three’],columns=[‘a’,’b’,’c’,’d’,’e’])
7. data
8. Out[7]: 
9.         a   b   c   d   e
10. one     0   1   2   3   4
11. two     5   6   7   8   9
12. three  10  11  12  13  14

14. 对列的操作方法有如下几种

16. data.icol(0)   #选取第一列
17. E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]
18.   # -*- coding: utf-8 -*-
19. Out[35]: 
20. one       0
21. two       5
22. three    10
23. Name: a, dtype: int32
25. data[‘a’]
26. Out[8]: 
27. one       0
28. two       5
29. three    10
30. Name: a, dtype: int32
32. data.a
33. Out[9]: 
34. one       0
35. two       5
36. three    10
37. Name: a, dtype: int32
39. data[[‘a’]]
40. Out[10]: 
41.         a
42. one     0
43. two     5
44. three  10
46. data.ix[:,[0,1,2]]  #不晓得列名只晓得列的地位时
47. Out[13]: 
48.         a   b   c
49. one     0   1   2
50. two     5   6   7
51. three  10  11  12
53. data.ix[1,[0]]  #抉择第 2 行第 1 列的值
54. Out[14]: 
55. a    5
56. Name: two, dtype: int32
58. data.ix[[1,2],[0]]   #抉择第 2,3 行第 1 列的值
59. Out[15]: 
60.         a
61. two     5
62. three  10
64. data.ix[1:3,[0,2]]  #抉择第 2 - 4 行第 1、3 列的值
65. Out[17]: 
66.         a   c
67. two     5   7
68. three  10  12
70. data.ix[1:2,2:4]  #抉择第 2 - 3 行，3-5（不包含 5）列的值
71. Out[29]: 
72.      c  d
73. two  7  8
75. data.ix[data.a>5,3]
76. Out[30]: 
77. three    13
78. Name: d, dtype: int32
80. data.ix[data.b>6,3:4]  #抉择 ’b’ 列中大于 6 所在的行中的第 4 列，有点拗口
81. Out[31]: 
82.         d
83. three  13
85. data.ix[data.a>5,2:4]  #抉择 ’a’ 列中大于 5 所在的行中的第 3 -5（不包含 5）列
86. Out[32]: 
87.         c   d
88. three  12  13
90. data.ix[data.a>5,[2,2,2]]  #抉择 ’a’ 列中大于 5 所在的行中的第 2 列并反复 3 次
91. Out[33]: 
92.         c   c   c
93. three  12  12  12

95. 还能够行数或列数跟行名列名混着用

96. data.ix[1:3,[‘a’,’e’]]
97. Out[24]: 
98.         a   e
99. two     5   9
100. three  10  14
102. data.ix[‘one’:’two’,[2,1]]
103. Out[25]: 
104.      c  b
105. one  2  1
106. two  7  6
108. data.ix[[‘one’,’three’],[2,2]]
109. Out[26]: 
110.         c   c
111. one     2   2
112. three  12  12
114. data.ix[‘one’:’three’,[‘a’,’c’]]
115. Out[27]: 
116.         a   c
117. one     0   2
118. two     5   7
119. three  10  12
121. data.ix[[‘one’,’one’],[‘a’,’e’,’d’,’d’,’d’]]
122. Out[28]: 
123.      a  e  d  d  d
124. one  0  4  3  3  3
125. one  0  4  3  3  3

127. 对行的操作有如下几种：

128. data[1:2]  #（不晓得列索引时）抉择第 2 行，不能用 data[1]，能够用 data.ix[1]
129. Out[18]: 
130.      a  b  c  d  e
131. two  5  6  7  8  9
133. data.irow(1)   #选取第二行
134. E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernel.py:1: FutureWarning: irow(i) is deprecated. Please use .iloc[i]
135.   # -*- coding: utf-8 -*-
136. Out[36]: 
137. a    5
138. b    6
139. c    7
140. d    8
141. e    9
142. Name: two, dtype: int32
144. data.ix[1]   #抉择第 2 行
145. Out[20]: 
146. a    5
147. b    6
148. c    7
149. d    8
150. e    9
151. Name: two, dtype: int32
154. data[‘one’:’two’]  #当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。
155. Out[22]: 
156.      a  b  c  d  e
157. one  0  1  2  3  4
158. two  5  6  7  8  9
160. data.ix[1:3]  #抉择第 2 到 4 行，不包含第 4 行，即前闭后开区间。
161. Out[23]: 
162.         a   b   c   d   e
163. two     5   6   7   8   9
164. three  10  11  12  13  14
166. data.ix[-1:]  #取 DataFrame 中最初一行，返回的是 DataFrame 类型,** 留神 ** 这种取法是有应用条件的，只有当行索引不是数字索引时才能够应用，否则能够选用 `data[-1:]`– 返回 DataFrame 类型或 `data.irow(-1)`– 返回 Series 类型
167. Out[11]: 
168.         a   b   c   d   e
169. three  10  11  12  13  14
171. data[-1:]  #跟下面一样，取 DataFrame 中最初一行，返回的是 DataFrame 类型
172. Out[12]: 
173.         a   b   c   d   e
174. three  10  11  12  13  14
176. data.ix[-1] #取 DataFrame 中最初一行，返回的是 Series 类型，这个一样，行索引不能是数字时才能够应用
177. Out[13]: 
178. a    10
179. b    11
180. c    12
181. d    13
182. e    14
183. Name: three, dtype: int32
185. data.tail(1)   #返回 DataFrame 中的最初一行
186. data.head(1)   #返回 DataFrame 中的第一行

最近解决数据时发现当 pd.read_csv() 数据时有时候会有读取到未命名的列，且该列也用不到，个别是索引列被换掉后导致的，有强迫症的看着好受，这时候 dataframe.drop([columns,]) 是没法解决的，怎么办呢，
最笨的办法是间接给列索引重命名：

data6

Unnamed: 0  high    symbol  time
date
2016-11-01  0   3317.4  IF1611  18:10:44.8
2016-11-01  1   3317.4  IF1611  06:01:04.5
2016-11-01  2   3317.4  IF1611  07:46:25.5
2016-11-01  3   3318.4  IF1611  09:30:04.0
2016-11-01  4   3321.8  IF1611  09:31:04.0

data6.columns = list(‘abcd’)

data6

a   b   c   d
date
2016-11-01  0   3317.4  IF1611  18:10:44.8
2016-11-01  1   3317.4  IF1611  06:01:04.5
2016-11-01  2   3317.4  IF1611  07:46:25.5
2016-11-01  3   3318.4  IF1611  09:30:04.0
2016-11-01  4   3321.8  IF1611  09:31:04.0