在指定位置向DataFrame插入列。

　　注意：如果列已经包含在DataFrame中，除非allow_duplicate设置为True，否则引发ValueError。

参数说明：

• loc：int

　　Insertion index. Must verify 0 <= loc <= len(columns).

• column：str, number, or hashable object

　　Label of the inserted column.

• value：Scalar, Series, or array-like

　　Content of the inserted column.

• allow_duplicates：bool, optional, default lib.no_default

　　Allow duplicate column labels to be created.

1. 沿着特定的轴连接pandas对象。
2. 允许沿其他轴的可选设置逻辑。
3. 还可以在连接轴上添加分层索引层，如果传递的轴号上的标签相同(或重叠)。

参数说明：

• objs：a sequence or mapping of Series or DataFrame objects

　　If a mapping is passed, the sorted keys will be used as the keys argument, unless it is passed, in which case the values will be selected.

• axis：{0/’index’, 1/’columns’}, default 0

　　The axis to concatenate along.

• join：{‘inner’, ‘outer’}, default ‘outer’

　　How to handle indexes on other axis (or axes).

• ignore_index：bool, default False

　　If True, do not use the index values along the concatenation axis. The resulting axis will be labeled 0, …, n - 1. This is useful if you are concatenating objects where the concatenation axis does not have meaningful indexing information. Note the index values on the other axes are still respected in the join.

• keys：sequence, default None

　　If multiple levels passed, should contain tuples. Construct hierarchical index using the passed keys as the outermost level.

• levels：list of sequences, default None

　　Specific levels (unique values) to use for constructing a MultiIndex. Otherwise they will be inferred from the keys.

• names：list, default None

　　Names for the levels in the resulting hierarchical index.

• verify_integrity：bool, default False

　　Check whether the new concatenated axis contains duplicates. This can be very expensive relative to the actual data concatenation.

• sort：bool, default False

　　Sort non-concatenation axis if it is not already aligned.

• copy：bool, default True

　　If False, do not copy data unnecessarily.

返回值：

　　object, type of objs

　　注意：rename()方法不仅仅只有一种，还有pandas.Series.rename()和pandas.Index.rename()等等，它们的用法大同小异。

参数说明：

• mapper：dict-like or function

　　Dict-like or function transformations to apply to that axis’ values. Use either mapper and axis to specify the axis to target with mapper, or index and columns.

• index：dict-like or function

　　Alternative to specifying axis (mapper, axis=0 is equivalent to index=mapper).

• columns：dict-like or function

　　Alternative to specifying axis (mapper, axis=1 is equivalent to columns=mapper).

• axis：{0 or ‘index’, 1 or ‘columns’}, default 0

　　Axis to target with mapper. Can be either the axis name (‘index’, ‘columns’) or number (0, 1). The default is ‘index’.

• copy：bool, default True

　　Also copy underlying data.

• inplace：bool, default False

　　Whether to modify the DataFrame rather than creating a new one. If True then value of copy is ignored.

• level：int or level name, default None

　　In case of a MultiIndex, only rename labels in the specified level.

• errors：{‘ignore’, ‘raise’}, default ‘ignore’

　　If ‘raise’, raise a KeyError when a dict-like mapper, index, or columns contains labels that are not present in the Index being transformed. If ‘ignore’, existing keys will be renamed and extra keys will be ignored.

返回值：

　　DataFrame or None

引发的Error：KeyError

　　If any of the labels is not found in the selected axis and “errors=’raise’”.

　　从行或列中删除指定的标签。通过指定标签名称和相应的轴或直接指定索引或列名来删除行或列。当使用多索引时，可以通过指定级别来删除不同级别上的标签。

参数说明：

• labels：single label or list-like

　　Index or column labels to drop. A tuple will be used as a single label and not treated as a list-like.

• axis：{0 or ‘index’, 1 or ‘columns’}, default 0

　　Whether to drop labels from the index (0 or ‘index’) or columns (1 or ‘columns’).

• index：single label or list-like

　　Alternative to specifying axis (labels, axis=0 is equivalent to index=labels).

• columns：single label or list-like

　　Alternative to specifying axis (labels, axis=1 is equivalent to columns=labels).

• level：int or level name, optional

　　For MultiIndex, level from which the labels will be removed.

• inplace：bool, default False

　　If False, return a copy. Otherwise, do operation in place and return None.

• errors：{‘ignore’, ‘raise’}, default ‘raise’

　　If ‘ignore’, suppress error and only existing labels are dropped.

返回值：

　　DataFrame or None

引发的Error：KeyError

　　If any of the labels is not found in the selected axis.

2. 数据的增加

2.1. 按列增加数据

主要内容：按列增加数据、使用loc方法、使用insert方法

 1 # 增加数据——按列增加数据
 2 df['政治'] = [88, 79, 80, 68]
 3 # 增加数据,使用loc方法
 4 df.loc[:, '生物'] = [80, 89, 70, 66]
 5 # 增加数据，使用insert方法
 6 wl = [88, 79, 60, 50]
 7 df.insert(1, '物理', wl) # 在第1列后面插入“物理”，其值为wl的数值
 8 print('增加后数据：')
 9 print(df)
10 
11 ### 结果
12 # 增加后数据：
13 #           语文  物理  数学  英语  政治  生物
14 # Student1   110    88   105    99    88    80
15 # Student2   105    79    88   115    79    89
16 # Student3   109    60   120   130    80    70
17 # Student4   112    50   115   140    68    66

 1 # 按行增加数据，增加一行数据
 2 df.loc['Student5'] = [100, 120, 99]
 3 print('增加后数据：')
 4 print(df)
 5 
 6 ### 结果
 7 # 增加后数据：
 8 #           语文  数学  英语
 9 # Student1   110   105    99
10 # Student2   105    88   115
11 # Student3   109   120   130
12 # Student4   112   115   140
13 # Student5   100   120    99

 1 # 按行增加数据，增加多行数据
 2 df_insert = pd.DataFrame({'语文': [100, 123, 138], '数学': [120, 142, 60], '英语': [99, 139, 99]}, index=['Student5', 'Student6', 'Student7'])
 3 # df1 = df.append(df_insert)  # 此方法已经被官方移除，推荐使用concat方法
 4 df1 = pd.concat([df, df_insert], axis=0)
 5 print('增加后数据：')
 6 print(df1)
 7 
 8 ### 结果
 9 # 增加后数据：
10 #           语文  数学  英语
11 # Student1   110   105    99
12 # Student2   105    88   115
13 # Student3   109   120   130
14 # Student4   112   115   140
15 # Student5   100   120    99
16 # Student6   123   142   139
17 # Student7   138    60    99

# 修改列索引——常规方法
df.columns = ['语文', '数学（上）', '英语']
# 修改索引——使用rename方法
df.rename(columns={'语文': '语文（上）', '数学': '数学（上）', '英语': '英语（上）'}, inplace=True)

### 结果
# 修改后数据1：
#           语文  数学（上）  英语
# Student1   110         105    99
# Student2   105          88   115
# Student3   109         120   130
# Student4   112         115   140
# 修改后数据2：
#           语文（上）  数学（上）  英语（上）
# Student1         110         105          99
# Student2         105          88         115
# Student3         109         120         130
# Student4         112         115         140

 1 # 修改整行数据
 2 df.loc['Student1'] = [120, 115, 109]
 3 
 4 ### 结果
 5 # 修改后数据：
 6 #           语文  数学  英语
 7 # Student1   120   115   109
 8 # Student2   105    88   115
 9 # Student3   109   120   130
10 # Student4   112   115   140
11 
12 # 各科成绩均加10分
13 df.loc['Student2'] = df.loc['Student2'] + 10
14 
15 # ### 结果
16 # 修改后数据：
17 #           语文  数学  英语
18 # Student1   110   105    99
19 # Student2   115    98   125
20 # Student3   109   120   130
21 # Student4   112   115   140

 1 # 修改整列数据
 2 df.loc[:, '语文'] = [115, 108, 112, 118]
 3 
 4 ### 结果
 5 # 修改后数据：
 6 #           语文  数学  英语
 7 # Student1   115   105    99
 8 # Student2   108    88   115
 9 # Student3   112   120   130
10 # Student4   118   115   140

 1 # 修改某一数据
 2 df.loc['明日', '语文'] = 115
 3 
 4 ### 结果
 5 # 修改后数据：
 6 #           语文  数学  英语
 7 # Student1   115   105    99
 8 # Student2   105    88   115
 9 # Student3   109   120   130
10 # Student4   112   115   140

1 df.iloc[0, 0] = 115  # 修改某一数据
2 df.iloc[:, 0] = [115, 108, 112, 118]  # 修改整列数据
3 df.iloc[0, :] = [120, 115, 109]  # 修改整行数据

 1 # 删除某列数据
 2 df.drop(['数学'], axis=1, inplace=True)  # 删除某列
 3 
 4 ### 结果
 5 # 修改后数据：
 6 #           语文  英语
 7 # Student1   110    99
 8 # Student2   105   115
 9 # Student3   109   130
10 # Student4   112   140
11 
12 # 删除columns为“数学”的列
13 df.drop(columns='数学', inplace=True)
14 
15 ### 结果
16 # 修改后数据：
17 #           语文  英语
18 # Student1   110    99
19 # Student2   105   115
20 # Student3   109   130
21 # Student4   112   140
22 
23 # 删除列标签为“数学” 的列
24 df.drop(labels='数学', axis=1, inplace=True)  
25 
26 ### 结果
27 # 修改后数据：
28 #           语文  英语
29 # Student1   110    99
30 # Student2   105   115
31 # Student3   109   130
32 # Student4   112   140

 1 # 删除某行
 2 df.drop(['Student1', 'Student3'], inplace=True) 
 3 
 4 ### 结果
 5 # 修改后数据：
 6 #           语文  数学  英语
 7 # Student2   105    88   115
 8 # Student4   112   115   140
 9 
10 # 删除index为“Student2”的行
11 df.drop(index='Student2', inplace=True)
12 
13 ### 结果
14 # 修改后数据：
15 #           语文  数学  英语
16 # Student1   110   105    99
17 # Student3   109   120   130
18 # Student4   112   115   140
19 
20 # 删除行标签为“Student3”的行
21 df.drop(labels='Student3', axis=0, inplace=True)
22 
23 ### 结果
24 # 修改后数据：
25 #           语文  数学  英语
26 # Student1   110   105    99
27 # Student2   105    88   115
28 # Student4   112   115   140

1 # 删除特定条件的行
2 df.drop(index=df[df['数学'].isin([88])].index[0], inplace=True)  # 删除“数学”包含88的行
3 df.drop(index=df[df['语文'] < 110].index[0], inplace=True)  # 删除“语文”小于110的行
4 
5 ### 结果    
6 # 修改后数据：
7 #           语文  数学  英语
8 # Student1   110   105    99
9 # Student4   112   115   140