有X個機組以15分鐘為步長的長系列（年月日時分）出力的資料，想處理成每個機組的，以“年月日”為索引值，每行顯示1天96個點出力的形式。

先利用df.head()把dataframe按96切割成Y份，然後將Y份的第x列（x號機組的出力）提取出來，放到list裡，再利用concat將list合併為新的dataframe，將該dataframe的列名更改為長系列（年月日），再轉置，就可以得到想要的格式。

1. 已知某元素索引位置，選取該元素

dataframe 如下，記為df

輸入 df.loc['索引名稱‘’，‘列名稱’] 即可，例如

若沒有index或列名稱，則使用df.iloc[]在對應位置輸入索引位置即可。

2. 刪除多行/多列

使用的前提是，dataframe的index和columns用的是數字，利用了drop（）和range()函式。

DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

axis = 0，表示刪除行； axis = 1 表示刪除列。

想刪除多行/列，用range即可，比如要刪除前3行，drop(range(0,3)，axis = 0(預設為零，可不寫))即可。

用dataframe.drop()可以刪除，預設inplace = false, 即預設只是刪除檢視，如果要真的刪除數，輸入inplace=True.

【注意】inplace=True 刪除後index也變了。

這個是cookbook對drop的解釋：

3. 多個dataframe中選取列，合併為1個新的dataframe

用到了

1）刪除dataframe索引，重新賦予從0開始的索引；

    df.reset_index(drop=True,inplace = True), drop = True表示會刪除原來的舊索引，否則預設會在原dataframe新增一列；

    pd.concat(listhere,axis=1,join_axes = [listhere[0].index])， listhere指要被合併的dataframe們，axis = 1表示按列合併，

   join_axes 設定了合併的起始點，所以要注意保證每個dataframe的索引值一致，否則會按設定的join_axes合併，其他dataframe如果沒有這個索引值，就會賦值NAN。

3）更改dataframe列的名稱，利用df.columns = list 。

4. 控制輸出為年-月-日的格式

5. 資料缺漏的插補

資料格式是以一分鐘為步長的長系列負荷，從資料庫讀入excel後存在缺漏情況，即並不是每一天的資料都有1440個點。需要把資料處理成15分鐘間隔，即1天有96個點。

Step1. 在excel中，新建一張sheet，第一列索引用excel自動填充，處理成目標範圍以1分鐘為步長的時間序列，作為index。然後使用vlookup在原始資料中比對index，這樣缺漏行會自動返回#NAN值。【由於本身計算精度問題，可能出現兩張表上同一個日期轉為數值後存在百億分之一的誤差，可先採用rounddown（）處理一下，取小數點後8位數字就可以了】

這一步也可以利用dataframe的merge來操作，沒研究暫且不寫。

Step2. 利用pandas.interpolate(inplace=True)進行線性插補缺漏值。

6. Dataframe 行選擇和列選擇

在不知道列名的情況下，用索引位置選擇列，用df[[列索引]]；

df.iloc[行索引]，選取第X行，也可以用df.iloc[0:2]選取第0、1行，df[0:2]也是選取第0、1行。