A B C D
5 A0 B0 C0 D0
6 A1 B1 C1 D1
7 A2 B2 C2 D2
8 A3 B3 C3 D3
1，直接中括号[]选取
df['A'] 选择第A列，是一个series，选择多列不能df['A','B']，必须用loc
df['A'][5] 选择第A列,索引为5的，即A0
df['A'].iloc[0] = df['A'].values[0] 选择第A列第1行，即A0
df[0:3] 选择前2行，即索引为5和6的行
df['6':'8'] 选择索引为6,7,8的行
2，loc获取，通过index或者columns名称选取
df.loc['5'] 索引为5的行 即A0 B0 C0 D0
df.loc[:,['A','B']] 选择A和B列
df.loc['5',['A','B']] 索引为5，列号为A和B的数据，可以赋列表
df.loc['5','A'] 访问index为5，columns为A的单元格
df.at['5','A'] 同loc速度快点
往df里逐行添加内容时，可以用df.loc[index_name] = [list]
例如：逐行爬取豆瓣电影数据：df.loc[str(len(df)+1)] = [list]，这种方法需要事先确定要columns
3，iloc获取，通过行号或者列号选取
df.iloc[1] 第1行，索引为5的行 即A0 B0 C0 D0
df.iloc[0:2,0:2] 第1,2行，第1,2列
df.iloc[1,1] 访问1行1列的单元格
df.iat[1,1] 同iloc速度快点
df.iloc[0:-1, 3] 第3列所有数据
4，获取索引名
df.iloc[1].name 获取到第2行的索引名，即6
可以是index = df[df['A'] == 5].index # 此时返回的是Int64Index，用此index取数据会取到sereis
可以是index = df[df['A'] == 5].index.tolist() # 此时返回的是list，加个[0]后可以取到第一个元素的int
5，选择一批行
list=[6,7]
df.loc[list] 获取索引为6和7的行
6，重新根据index选择数据
result.reindex(index=list)
新增列：
方法一：.iloc:
1）iloc遍历赋值：如果已经有'A'列，可以用df['A'].iloc[5] = '77' ， 即A列的第6行的值=77
2）iloc遍历赋值没有'A'列时：如果没有'A'列，上述赋值会出错，可以先添加个'A'列，即df['A'] = np.nan，再df['A'].iloc[5] = '77'
方法二：.loc
1）.loc遍历赋值：如果是df.loc[5, 'A'] = 77， 即索引为5，列名为A的，赋值=77，则不管有没有'A'列都能成功，不存在的index和column会自动创建
2）.loc一次性赋值：可以应用布尔series赋给同一个值，例如df.loc[series, 'A'] = 'yes'，即series中是True的，列名为'A'的，就会被赋值为yes
3）.loc一次性赋值：整列赋一个列表，table1_sub.loc[:,'A'] = list ，直接给A列赋一个列表
方法三：insert
df.insert(0, 'A', listA)，注意list需要与df长度一致
方法四：直接加
1）直接加一列：df['A'] = None，默认是加在最后一列， 如果想加在第一列，可以df.insert(0, 'A', ['']*len(df))
2）直接加多列：df = pd.concat([df, pd.DataFrame(columns=list('DE'))])，列的次序无法指定，并且fillna时会对整个df做出调整
3）直接加多列：df = df.reindex(columns=list('ABCDE'), fill_value=0)，列的次序按照list指定，并且fill_value只对新增列做出调整，推荐！
新增行：
.loc：
1）整行赋一个列表：df.loc[index_name] = [list]
遍历一个dataframe，又有多个series，需要用到.loc赋值时，可以使用：
for index, element in enumerate(zip(df['a'], df['b'])):
df.loc[index, 'A'] = xxx
遍历一个dataframe，可以直接使用index配合loc，遍历所有列项：
for index in df.index:
df.loc[index, 'A'] ……..