1.pandas資料的index：

       當我們對pandas。DataFrame進行切片、融合操作後，DataFrame原有的index不會自動重新排序，這時候我們可以用pandas.DataFrame.reset_index方法讓它重新排序：

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

說說裡面幾個主要引數的含義：

• drop
   : boolean, default False

pandas在呼叫這個方法時，預設會將舊index作為一列插入該DataFrame中，drop的含義就是不要生成舊index列，直接棄掉它們

• inplace : boolean, default False

False：在原有資料上更改，不要建立新的DataFrame然後在新的資料上更改

2.pandas資料修改、賦值：

       當我們要對pandas.DataFrame的資料進行部分修改時，就要進行先取值後修改的過程。我在下面展示一下兩種不同取值方法對賦值結果的影響：

dft = pd.DataFrame(dict(A = np.random.rand(3), B = 1, C = 'foo',D = pd.Timestamp('20010102'), E = pd.Series([1.0]*3).astype('float32'),F = False, G = pd.Series([1]*3,dtype='int8')))

dft['E'][[1,2]]

>>> 1    1.0
    2    1.0
    Name: E, dtype: float32


dft.loc[[1,2],'E']

>>> 1    1.0
    2    1.0
    Name: E, dtype: float32
# 由此可見，兩種切片方式得到的結果是相同的，那麼賦值結果是不是也一樣?