dataFrame中的值以矩阵的形式存在，在访问值时需要带上行索引或者列索引。
1、dataFrame简单的取值方法
import pandas as pd
def createDataFrame():
d = {
'a':[1,2,3,4,5],
'b':[6,2,3,6,0],
'c':[4,2,3,6,7],
'd':[5,3,2,4,5],
'e':[6,7,4,5,8]
}
df = pd.DataFrame(d)
#打印出dataFrame
print(df)
if __name__ == '__main__':
createDataFrame()
（1）输出前3行数据
print(df.head(3))
打印结果为：
a b c d e
0 1 6 4 5 6
1 2 2 2 3 7
2 3 3 3 2 4
（2）输出后2行数据：
print(df.tail(2))
打印结果为：
a b c d e
3 4 6 6 4 5
4 5 0 7 5 8
（3）输出第3行数据：
#loc通过标签来选择数据
print(df.loc[2])#这里的2表示行索引
#iloc通过位置来选择数据
print(df.iloc[2])#这里的2表示行位置
#打印结果
a 3
b 3
c 3
d 2
e 4
（4）输出第2列数据
print(df['b'])
#打印输出
0 6
1 2
2 3
3 6
4 0
#从dataFrame里取出的行或列的类型为Series，其可以看做为一个字典，对Series取值：
x = df.iloc[2]
print(x[2])
#打印输出
3
#可以自荐将Series转换为一个list
x = list(df.iloc[2])
（5）查看行名
print(df.index)
打印输出：
RangeIndex(start=0, stop=5, step=1)
（6）查看列名
print(df.columns)
打印输出：
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
（6）查看所有数据值
print(df.values)
打印输出：
[[1 6 4 5 6]
[2 2 2 3 7]
[3 3 3 2 4]
[4 6 6 4 5]
[5 0 7 5 8]]
（7）查看行列数
print(df.iloc[:,0].size) #行数
print(df.columns.size) #列数
打印输出：
5
5
2、复杂的dataFrame取值操作（对dataFrame中的数据进行筛选）
创建一个dataFrame例子：
import numpy as np
import pandas as pd
def GroupbyDemo():
df = pd.DataFrame({'key1': [1, 2, 1, 2, 1],
'key2': [10, 20, 30, 40, 50],
'data1': np.random.randn(5),
'data2': np.random.randn(5)})
print(df)
if __name__ == '__main__':
GroupbyDemo()
打印结果：
key1 key2 data1 data2
0 1 10 0.510140 -0.272037
1 2 20 1.303937 -0.296393
2 1 30 0.984371 0.005988
3 2 40 -1.257891 -1.089489
4 1 50 0.129426 -1.011806
（1）筛选某列中大于某一值得数据：
print(df[df.key1>1])
打印结果为：
key1 key2 data1 data2
1 2 20 1.006815 -1.191766
3 2 40 0.392499 -0.906492
（2）筛选第一列大于1且第二列大于30的数据
print(df[(df.key1>1) & (df.key2>30)])
打印结果为：
key1 key2 data1 data2
3 2 40 0.681879 0.206709
（3）筛选第一列大于1或第二列大于30的数据
print(df[(df.key1>1) | (df.key2>30)])
打印结果为：
key1 key2 data1 data2
1 2 20 -2.454197 1.091813
3 2 40 0.481552 0.763660
4 1 50 1.639578 0.740787
3、对dataFrame进行函数操作
（1）转置
print(df.T)
输出结果：
0 1 2 3 4
a 1 2 3 4 5
b 6 2 3 6 0
c 4 2 3 6 7
d 5 3 2 4 5
e 6 7 4 5 8
4、删除dataFrame中的某行
（1）删除索引为ac的2行
data.drop(index=list('ac'))
或
data.drop(index=['a','c'])
（2）删除列名为1,3的2列
data.drop([1,3],axis=1)
5、遍历dataframe
for index, row in df.iterrows():
print(row['Sigma'])
#输出一个值
