準備工作：

增、刪、改、查的方法有很多很多種，這裡只展示出常用的幾種。

引數inplace預設為False,只能在生成的新資料塊中實現編輯效果。當inplace=True時執行內部編輯，不返回任何值，原資料發生改變。

>>> import numpy as np
>>> import pandas as pd

df = pd.DataFrame(data = [['lisa','f',22],['joy','f',22],['tom','m','21']],index = [1,2,3],columns = ['name','sex','age'])#測試資料。
>>> df
   name sex age
1  lisa   f  22
2   joy   f  22
3   tom   m  21
 

一、增

1.按列增加。

>>> citys = ['ny','zz','xy']
>>> df.insert(0,'city',citys) #在第0列，加上column名稱為city，值為citys的數值。
>>> jobs = ['student','AI','teacher']
>>> df['job'] = jobs #預設在df最後一列加上column名稱為job，值為jobs的資料。
>>> df.loc[:,'salary'] = ['1k','2k','2k','2k','3k'] #在df最後一列加上column名稱為salary，值為等號右邊資料。
 

2.按行增加。

>>> df.loc[4] = ['zz','mason','m',24,'engineer’]#若df中沒有index為“4”的這一行的話，該行程式碼作用是往df中加一行index為“4”，值為等號右邊值的資料。若df中已經有index為“4”的這一行，則該行程式碼作用是把df中index為“4”的這一行修改為等號右邊資料。
>>> df_insert = pd.DataFrame({'name':['mason','mario'],'sex':['m','f'],'age':[21,22]},index = [4,5])
>>> ndf = df.append(df_insert,ignore_index = True) #返回新增後的值，並不會修改df的值。ignore_index預設為False，意思是不忽略index值，即生成的新的ndf的index採用df_insert中的index值。若為True，則新的ndf的index值不使用df_insert中的index值，而是自己預設生成。
 

二、查

1. df['column_name'] 和df[row_start_index, row_end_index] 

df['name']
df['gender']
df[['name','gender']] #選取多列，多列名字要放在list裡
df[0:]	#第0行及之後的行，相當於df的全部資料，注意冒號是必須的
df[:2]	#第2行之前的資料（不含第2行）
df[0:1]	#第0行
df[1:3] #第1行到第2行（不含第3行）
df[-1:] #最後一行
df[-3:-1] #倒數第3行到倒數第1行（不包含最後1行即倒數第1行，這裡有點煩躁，因為從前數時從第0行開始，從後數就是-1行開始，畢竟沒有-0）

2. df.loc[index,column] 

# df.loc[index, column_name],選取指定行和列的資料
df.loc[0,'name'] # 'Snow'
df.loc[0:2, ['name','age']] 		 #選取第0行到第2行，name列和age列的資料, 注意這裡的行選取是包含下標的。
df.loc[[2,3],['name','age']] 		 #選取指定的第2行和第3行，name和age列的資料
df.loc[df['gender']=='M','name'] 	 #選取gender列是M，name列的資料
df.loc[df['gender']=='M',['name','age']] #選取gender列是M，name和age列的資料

3.  iloc[row_index, column_index]

df.iloc[0,0]		#第0行第0列的資料，'Snow'
df.iloc[1,2]		#第1行第2列的資料，32
df.iloc[[1,3],0:2]	#第1行和第3行，從第0列到第2列（不包含第2列）的資料
df.iloc[1:3,[1,2]	#第1行到第3行（不包含第3行），第1列和第2列的資料

三、改

3.1 改行列標題。

>>> df.columns = ['name','gender','age'] #儘管我們只想把’sex’改為’gender’，但是仍然要把所有的列全寫上，否則報錯。
>>> df.rename(columns = {'name':'Name','age':'Age'},inplace = True) #只修改name和age。inplace若為True，直接修改df，否則，不修改df，只是返回一個修改後的資料。
>>> df.index = list('abc')#把index改為a,b,c.直接修改了df。
>>> df.rename({1:'a',2:'b',3:'c'},axis = 0,inplace = True)#無返回值，直接修改df的index。

3.2 改數值

1. 使用loc

>>> df.loc[1,'name'] = 'aa' #修改index為‘1’，column為‘name’的那一個值為aa。
>>> df.loc[1] = ['bb','ff',11] #修改index為‘1’的那一行的所有值。
>>> df.loc[1,['name','age']] = ['bb',11]    #修改index為‘1’，column為‘name’的那一個值為bb，age列的值為11。

2. 使用iloc[row_index, column_index]：

>>> df.iloc[1,2] = 19#修改某一無素
>>> df.iloc[:,2] = [11,22,33] #修改一整列
>>> df.iloc[0,:] = ['lily','F',15] #修改一整行

四、刪

1.刪除行。

>>> df.drop([1,3],axis = 0,inplace = False)#刪除index值為1和3的兩行，

2.刪除列。

>>> df.drop(['name'],axis = 1,inplace = False) #刪除name列。
>>> del df['name'] #刪除name列。
>>> ndf = df.pop('age’)#刪除age列，操作後，df都丟掉了age列,age列返回給了ndf。