基本功能 丢弃指定轴上的项
· 丢弃某条轴上的一个或多个项很简单，只要有一个索引数组或列表即可。
由于需要执行一些数据整理和集合逻辑，所以drop方法返回的是一个在指定轴上删除了指定值的新对象
#'Series根据索引删除元素'
obj = Series(np.arange(5.), index = ['a', 'b', 'c', 'd', 'e'])
new_obj = obj.drop('c')
print(new_obj)
print(obj.drop(['d', 'c']))
#'DataFrame删除元素，可指定索引或列。'
data = DataFrame(np.arange(16).reshape((4, 4)),
index = ['Ohio', 'Colorado', 'Utah', 'New York'],
columns = ['one', 'two', 'three', 'four'])
print(data)
print (data.drop(['Colorado', 'Ohio']))
print (data.drop('two', axis = 1))
print (data.drop(['two', 'four'], axis = 1))
基本功能 索引、选取和过滤
· Series索引（obj[...]）的工作方式类似于NumPy数组的索引，只不过Series的索引值不只是整数。
· 利用标签的切片运算与普通的Python切片运算不同，其末端是包含的（inclusive）。
· 对DataFrame进行索引其实就是获取一个或多个列
· 为了在DataFrame的行上进行标签索引，引入了专门的索引字段ix。
· DataFrame的索引选项
#'Series的索引，默认数字索引可以工作。'
obj = Series(np.arange(4.), index = ['a', 'b', 'c', 'd'])
print(obj)
print(obj['b'])
print(obj[1])
print(obj[[1, 3]])
print(obj[obj < 2])
# 'Series的数组切片'
print(obj['b':'c'] ) # 闭区间
obj['b':'c'] = 5
print(obj)
#'DataFrame的索引'
data = DataFrame(np.arange(16).reshape((4, 4)),
index = ['Ohio', 'Colorado', 'Utah', 'New York'],
columns = ['one', 'two', 'three', 'four'])
print(data)
print(data['two']) # 打印列
print(data[['three', 'one']])
print(data[:2])####前两行
print(data.ix['Colorado', ['two', 'three']]) # 指定索引和列
print(data.ix[['Colorado', 'Utah'], [3, 0, 1]])##第4、1、2列
print(data.ix[2]) # 打印第2行（从0开始）
print(data.ix[:'Utah', 'two']) # 从开始到Utah，第2列。
# '根据条件选择'
print(data[data.three > 5])
print(data < 5 ) # 打印True或者False
data[data < 5] = 0
print(data)
