DataFrame自我理解：
如果你看到我前面的文章之后，那么接下来的话对于你对pandas DataFrame对象的理解就会更加的深刻和容易了。建议查看我之前所写的博客。
对于Pandas DataFame对象，我自己的理解是，他可以看作是我们的一张表，Excel表，可以这样理解。对于Series与DataFrame来比较的话我们可以把Series看成是DataFrame的一个维度，说白了就是excel表的一列.这是我自己的个人理解，我觉得还是比较直观的。
DataFrame基本使用
首先定义DataFrame对象：
字典定义
在这里我们首先定义了一个字典，然后字典的每一个key 又对应了一个列表，那么当我们调用 pd.DataFrame(data)的时候，pandas会把字典的键作为列索引，每一个值分别作为该列的值
series定义
在这里，我们首先利用上面的字典值构造三个series对象，然后以一个列表，元组其实也可以的方式传入，就可以得到了一个DataFrame对象了
DataFrame定义的时候有一个columns参数可用来指定列索引，具体请对比frame和frame2
既然有列索引，那么也会有行索引，一般在定义的时候，如果我们不指定，那么默认从0开始，但是我们还有一个很方便的函数，可以是我们把DataFrame的某一列变成行索引，下面我们就把frame的color指定成行索引了
DataFrame元素的基本行列获取
我们同样也可以使用切片操作来获取指定的行和列，也可以指定步长，具体如下
获取某一列的两种方式：
获取多列：
获取列不支持切片：
下面我来说一下index，和用numpy更快创建对象的方法：
index：就是说我们可以自定义行索引
图二，我们使用numpy提供的arange()函数创建一个具有16个元素的数组，然后调用reshape函数将它变成一个4*4的二维数组，因为表是二维的嘛，既然有columns，index,那么我们就自定义两者，得到如下结果
访问DateFrame中的元素
我们先来看DateFrame对象的几个常用属性：
columns:获取列索引，返回列表
index:获取行索引，返回列表
values：获取值 返回二维列表
两个重要函数loc（）和iloc()
简单说一嘴，loc()是按照索引来取值，包括行列索引，iloc是按照索引的序号来取值，也是包含行列索引，所以他们都有两个参数，分别对应行和列。简单举例说明：
loc（）：当只有一个参数的时候默认行
loc(),第二个代表列索引，默认全部
加入第二个参数，并切片，大家要自己多敲代码体会呀
iloc()，与loc()基本类似，只不过是他是以index序号为准，举例如下：
Dataframe自身查询：
Dataframe获取某一列得某一个值：
Dataframe的赋值
如果你已经会了取值操作，那么赋值的话就是先取值，然后在改变值的操作，很简单。下面我们新建了一列new=12，那么会导致一列的值全部为12
当然我们还可以给columns和index取一个别名，方便管理查看。
新建一列，让它的每一个值都不同，你可以自己手动输入，当然你也可以先创建一个Series然后在创建一列
取出单个元素然后赋值：
元素关系
isin()函数用来判断DataFrame对象里面是否存在相应的元素，有的话返回True，否则返回False，与Series一样，要查看满足条件的元素，直接加一个括号即可，其实都很相识的
删除一列
我们可以使用del来删除我们不需要的列
过滤
利用bool过滤出我们所需要的值嵌套字典生成DataFrame
嵌套字典生成DataFrame
我们可以使用嵌套字典来生成DataFrame，注意看外层及内层字典的键值，pandas很智能的可以判断出键值是否对应，没有的话以NaN代替值
DataFrame转置
索引对象
Series和DataFrame都很好的整合了索引，索引对象很重要，利用好他可以给我们带来很多便利。
idxmin():按照ASCII码来比较，选择最小的索引
idxmax()：按照ASCII码来比较，选择最大的索引
有时候我们还有一个需求，那就是要判断index是否有重复，那么我们可以调用index.is_unique查看结果
其它索引函数
使用reindex()改变索引，在对象创建后，我们不能直接修改索引，他是不可一直接修改的，但pandas也给我们提供了一些修改索引的函数。
redex() method参数
redex() range(6)参数是产生了（0-5）来做索引的值
redex()还支持同时修改行列索引
Drop（）删除
Serie与Drop（）
Dataframe与drop（）
axis=0,删除行
axis= 1删除列
算术和数据对齐¶
用一句话来说就是pandas会使用NaN来对齐我们在运算，操作过程中不能一一匹配的数据，
series数据对齐
DataFrame数据对齐
DataFrame对象之间除了直接使用诸如+来进行加运算，还提供了一些一致的函数
DataFrame对象与series运算
例子中每一行对应相减
总结：
感觉写了好多，这里只是一个入门，希望对大家有帮助。如有错误，请指正，谢谢，有帮助的可以点赞支持一下
