1：增
1.1 insert
目前本人关于pandas的增的函数只有insert用的多点
Dataframe.insert(loc, column, value, allow_duplicates=False)其中：
-
loc：int型，表示插入位置在第几列;若在第一列插入数据，则 loc=0
-
column：给插入的列取名，如 column='新的一列’
-
value：新列的值，数字、array、series等都可以
-
allow_duplicates：是否允许列名重复，选择Ture表示允许新的列名与已存在的列名重复
例如：
在使用insert函数后：
或者插入array:
1.2
第二种方法就是直接加入一个列就行。
2 ： 减
pandas—删除某行或某列数据_pandas 删除列_IT技术学习的博客-CSDN博客这个博客写的很清楚。
3：查
3.1 loc与iloc
可以看出，这两个长得还是挺像的，区别在于后面多了个i,这个i是index的缩写， loc是根据是根据行列名来提取数据，而iloc是根据索引来提取数据：
但是，如果用m.loc[2,1]就是错的：
正确的应该是：
3.2 isna和notna
这两个命令是用来处理缺失值的:
3.2.1 isna
利用isna命令，能够检查某一列是否有缺失值，也可以检查所有的列的缺失值情况，如果没有缺失值，则在单元格呈现Flase，有缺失就是True。也可以利用isna直接统计缺失了多少值：
或者也可以直接用info直接查看DataFrame的所有行列情况：
如果要查看某一列的缺失值在哪一行：
3.2 notna
在使用notna统计缺失值的时候和isna刚好相反，True代表没有缺失，False代表缺失
同理，也可以统计所有列的缺失值总数：
这时候呈现的是每列的所有值个数和。
如果想要把某一列没有缺失的行全部提取出来，可以：
4：改
4.1 map
import pandas as pd
t = pd.DataFrame(data=[[1, '不幸福'], [2, '幸福'], [8, '幸福'], [1, '不幸福']], columns=['a', 'b'])
print(t)
'''
a b
0 1 不幸福
1 2 幸福
2 8 幸福
3 1 不幸福
'''
t['c'] = t['b'].map({'幸福':1, '不幸福':0})
print(t)
'''
a b c
0 1 不幸福 0
1 2 幸福 1
2 8 幸福 1
3 1 不幸福 0
'''用map的形式，能够把一列对应的数据赋值
4.2 fillna
fillna函数可以对缺失值进行填充
import pandas as pd
t = pd.DataFrame(data=[[1, '不幸福'], [None, '幸福'], [8, '幸福'], [None, '不幸福']], columns=['a', 'b'])
print(t)
'''
a b
0 1.0 不幸福
1 NaN 幸福
2 8.0 幸福
3 NaN 不幸福
'''
t['a'].fillna(0, inplace=True)
print(t)
'''
a b
0 1.0 不幸福
1 0.0 幸福
2 8.0 幸福
3 0.0 不幸福
'''同时也可以对每一列所有不同的值进行统计：
import pandas as pd
t = pd.DataFrame(data=[[1, '不幸福'], [1, '幸福'], [8, '幸福'], [1, '不幸福']], columns=['a', 'b'])
a = t['b'].value_counts()
print(a)
'''
幸福 2
不幸福 2
Name: b, dtype: int64
'''
'''
t['b'].value_counts().index 该列含有的不同元素的种类
t['b'].value_counts().values 该列含有的不同元素的个数
'''4.3 df.apply()
dataframe.apply(function,axis)对一行或一列做出一些操作（axis=1遍历行，axis=0遍历列）
import pandas as pd
def func(x):
if x == '幸福':
return 8
else:
return 9
t = pd.DataFrame(data=[[1, '不幸福'], [1, '幸福'], [8, '幸福'], [1, '不幸福']], columns=['a', 'b'])
print(t)
'''
a b
0 1 不幸福
1 1 幸福
2 8 幸福
3 1 不幸福
'''
t['b'] = t['b'].apply(func)
print(t)
'''
a b
0 1 9
1 1 8
2 8 8
3 1 9
'''
** 未完待续，以后再来更新