pandas是为了解决数据分析任务而生的。pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法，能很好的帮助我们分析爬取到的数据。
环境准备
pandas、numpy
本篇所有代码都运行在jupyter上
目录
1、增加数据
2、删除数据
3、查询数据
4、修改数据
准备工作
先生成两个数据集
data 1、增加数据
合并数据
- 方法一：用concat合并
pandas.concat(objs,axis = 0,ignore_index = False,keys = None)objs:Series，DataFrame或Panel对象的序列或映射。
axis：串联的轴，默认为0，即以索引串联（竖直拼接）；如果为1，则以列串联（水平拼接）
ignore_index：清除现有索引并将其重置，默认为False。
key：在数据的最外层添加层次结构索引。
data_new = pd.concat([data, data2], axis=1)运行结果：
- 方法二：用merge合并
DataFrame.merge(self，right，how =‘inner’，on = None)right：指要合并的对象
on：指要加入的列或索引级别名称，必须在两个DataFrame中都可以找到。
how：决定要执行的合并类型：left（使用左框架中的键）、right、inner（交集，默认）、outer（并集）
data.merge(data2,on='city',how='left')运行结果：
- 方法三：用join合并
这种方法需要指定相同列索引的后缀
1、
data.join(data2,lsuffix='_data', rsuffix='_data2')运行结果：
2、
data.set_index('city').join(data2.set_index('city'))运行结果：
- 方法四：用append合并
data.append(data2)运行结果：
- 增加列
city = ['南京', '杭州', '合肥', '青岛']
data.insert(0,'city2', city)在第0列，加上column名称为city2，值为city的数据。
运行结果：
2、删除数据
- 删除包含某值的行
data1 = data2[data2.city != '深圳'] 去掉city为深圳的行
运行结果：
- 删除行
data2.drop([0, 1], axis=0)运行结果：
- 删除列
data2.drop(['city'], axis=1)运行结果：
- 删除重复行
data['city'].drop_duplicates()默认删除后面出现的重复值，即保留第一次出现的重复值
3、查询数据
- 1、data['column_name'] 和data[row_start_index, row_end_index]
- 2、data.loc[index,column]
- 3、iloc[row_index, column_index]
- 查看单列
data['city']运行结果：
- 查看多列
data[['city', '2018']]运行结果：
- 查看行
data.loc[2]运行结果：
data.loc[1:1]运行结果：
- 查看多行
data.loc[1:]运行结果：
data.iloc[1:,:1]
运行结果
data.iloc[[1,3],:2]运行结果：
4、修改数据
- 修改某个数据
data.iloc[1,1] = 100运行结果：
data.loc[2,'city'] = '广州(粤语)'运行结果：
- 修改某列数据
data.iloc[:,1] = [1, 10, 100, 1000]运行结果：
- 修改某行数据
data.iloc[3,:] = ['深圳(普通话)', 1100]运行结果：
如果对你有帮助的话给我点赞呗
