DataFrame 是pandas最常用的数据结构，类似于数据库中的表，不过DataFrame不仅仅限制于2维，可以创建多维数据表。DataFrame既有行索引，也有列索引，可以看做是Series组成的字典，每个Series看做DataFrame的一个列。
.一、DataFrame创建：
1.标准格式创建
2.等长列表组成的字典来创建
3.嵌套字典（字典的值也是字典）创建
1.标准格式创建
DataFrame创建方法有很多，
常用基本格式是：DataFrame 构造器参数：DataFrame(data=[],index=[],coloumns=[])
data是用numpy创建的二位数组，arange()是创建一维数组，reshape() 是把一维数组转换为多维数组
例如：np.arange(16).reshape(4,4) 是先生成16个数的一维数组 再转换成4行4列的二维数组。
2 用传入等长列表组成的字典来创建
先创建列表组成的字典data ,从结果来看，创建安装字典顺序排列，并且自动加上索引。
3 传入嵌套字典（字典的值也是字典）创建DataFrame
列名：嵌套字典的外层子键
索引：内层键
第一层字典的键：‘郑州’ ‘巩义’ 作为列名，他的值也是一个字典
第二层字典的键（2018,2019） 作为第一层字典的索引
二、DataFrame 增、删、改、查。
增
为不存在的列赋值会创建新列，例如在df2上增加新列c 赋值 4 5 6 增加新列d 都是1
有结果可以看出，增新列，如果行的值相同可以在直接赋值，如果行的值不同，用字典列表分别赋值。
删
用del 删除整列，例如删除d列
drop()函数删除的只是视图，其实原始数据并没有删除
例如：df2删除c列，查询df2的时候 还是有c列的
改：
通过赋值进行修改，可以通过定位到行，列，或者具体位置进行赋值修改。
修改具体的元素值，例如修改df2的c列1行对应的值5 修改成10
修改一列
修改多少行，例如修改1-2行所有数据
从结果看 ：2是改变的前两行，是个范围，如果只改第一行是 df2[:1], 如果只改第2行是df2[1:2]
例如把第二行的11改成12
查
查（索引，选取，过滤）
选取数据 是DataFrame的重点，常用的有 位置切片 和 标签切片，位置切片遵循Python的切片规则，包括起始位置，但不包括结束位置；但标签切片则同时包括起始标签和结束标签。之所以如此设计是因为在使用标签切片时，通常我们不知道标签的顺序，如果不包含结束标签，很难确定结束标签的前一个标签是什么。
注释: 标准Python / Numpy表达式可以完成这些数据选择工作, 但在生产代码中, 我们推荐使用优化的pandas数据访问方法, .at, .iat, .loc, .iloc 和 .ix.
标签切片和loc选择器：
例如下图选取一列 和选多列，注意选多列时参数是个数组
使用loc，选取列：
例如选取one列 four的列，其实就是这个列的所有行
使用loc，选取行：例如选取第一行，第二行和第三行
使用loc选取一个元素
从上面的结果可以看到，loc使用标签切片，在取行的时候是取的一个范围，是从某个行以前的所有行，要是取第几行怎么办呢？
下面看看用位置切片怎么取？位置函数iloc
例如取3行之前的所有行 和单独第3行
由此也看出：loc标签切片在取范围的时候 包含开始和结束的数字，iloc位置切片在取范围的时候不包含开始数字 包含结束数字。
