【DataFrame对象既有行索引，又有列索引】
行索引，表明不同行，叫index，0轴，axis=0
列索引，表名不同列，叫columns，axis=1
选择行与列
df.sort_values（by=“”，ascending=False）by指以哪一列作为分类的依据。
df.sort_values【：100】指前100个使用次数最多的。
若要具体选择某一列，则用df【“列索引”】
若要选择具体某一行，则用df【：100】【“列索引”】
更优质的方法：
1.df.loc 通过标签索引行数据
2.df.iloc通过位置获取行数据
[[[[比如一个数据 t:
W X Y Z
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11 ]]]
t.loc[“A”,“W”]=0（第A行W列）
t.loc[“A”,[“W”,“Z”]]=W 0
Z 3
type(t.loc[“A”,[“W”,“Z”]])=pandas.core.series.Series
t.loc[[“A”,“C”],[“W”,“Z”]]= W Z
A 0 3
C 8 11
t.loc[“A”:,[“W”,“Z”]] =W Z
A 0 3
B 4 7
C 8 11
注意：冒号**：在loc里面是闭合**的，即会选择到冒号后面的数据
t.iloc[1:3,[2,3]]= Y Z
B 6 7
C 10 11 （第2到3行，第3、4列的数据）
t.iloc[1:3,1：3]= X Y
B 5 6
C 9 10（冒号：在iloc里不是闭合的）
如何对其更改赋值：
t.loc[“A”,“Y”]=100
OUT: t=（第A行Y列的值被改为100）
t.iloc[1:2,0:2]=200
OUT:t=（第2行的第1-2列的数据被改为200）
Pandas的布尔索引
1.想找到所有的使用次数超过800的狗的名字：
其中，先用df[“”]找到狗的名字的这一列，再用>800找到使用次数大于800的狗名字。最后用df[]显示出使用次数大于800的狗名字，会显示出使用次数和狗的名字的行的标签。
2.找到所有的使用次数超过700并且名字的字符串的长度大于4的狗的名字
第一步：(df[“Row_Labels”].str.len()>4)名字的字符串的长度大于4
第二步：(df[“Count_AnimalName”]>700)*使用次数超过700
第三步：用&将他们连接起来。即：(df[“Row_abels”].str.len()>4)&(df[“Count_AnimalName”]>700)
最后一步：df[第三步]
Pandas字符串用法
缺失值的处理
通常有两种情况：
1.空，None等，在pandas是NaN(和np.nan一样)
2.我们让其为0，蓝色框中
1）判断数据是否为NaN：pd.isnull(df)或者pd.notnull(df)
2）处理NaN方式1：删除NaN所在的行列dropna (axis=0, how=‘any’, inplace=False)
处理NaN方式2：填充数据，t.fillna(t.mean()),t.fiallna(t.median())****,t.fillna(0)
3）处理为0的数据：t[t==0]=np.nan
（并不是每次为0的数据需要处理，计算平均值等情况Nan不参与计算而0会参与计算）