pandas索引与赋值操作、排序以及Series排序和DataFrame排序方式

import pandas as pd
import numpy as np
# 数据生成代码
num = np.random.randint(50, 100, (3, 5))
num
# 传入标签索引
column = ['第一列', '第二列', '第三列', '第四列', '第五列']   # 列标签索引
# ind = ['第一行', '第二行', '第三行']    # 行标签索引
ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])]   # 行标签索引，num.shape[0]即获取num数组的行号，此处为3
data = pd.DataFrame(num, columns=column, index=ind)
data
-------------------------------------------------------------------
data['第五列']['第_2_行']    # 只能先列再行
data['第_2_行']['第五列']    # 先行再列，报错
data.loc['第_0_行':'第_2_行', '第三列']    # 先行再列，loc只能使用指定行列索引，切取第三列中[0,2]行中的数据
data.loc[:'第_2_行', '第三列':]   # loc只能使用指定行列索引，切取[0,2]行，3-最后一列的数据
data.iloc[:2, 2:]   # iloc只能使用下标索引，切取[0,2)行，3-最后一列的数据

data.loc[data.index[0:2], ['第二列', '第三列', '第五列']]   # 下标索引与指定行列索引相结合
data.iloc[0:2, data.columns.get_indexer(['第二列', '第三列', '第五列'])]  # 下标索引与指定行列索引相结合

import pandas as pd
import numpy as np
# 数据生成代码
num = np.random.randint(50, 100, (3, 5))
# 传入标签索引
column = ['第一列', '第二列', '第三列', '第四列', '第五列']   # 列标签索引
# ind = ['第一行', '第二行', '第三行']    # 行标签索引
ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])]   # 行标签索引，num.shape[0]即获取num数组的行号，此处为3
data2 = pd.DataFrame(num, columns=column, index=ind)
data2
------------------------------------------------------------
data2['第四列'] = 88   # 值可为字符串或汉字
data2
data2.第一列 = 99  # 方式二
data2

data2.sort_values(by='第三列')  # 默认ascending=True，即升序排序
data2.sort_values(by='第三列', ascending=False)   # 根据第三列降序排序
data2.sort_values(by=['第一列', '第四列'], ascending=False)    # 根据多列降序排序
data2.sort_index()   # 给索引进行排序

data2['第四列'].sort_values()    # 默认ascending=True，即将第四列升序排序
data2['第四列'].sort_values(ascending=False)    # ascending=False，将第四列降序排序
data2['第四列'].sort_index(ascending=False)    # ascending=False，根据索引将第四列降序排序
data2['第四列'].sort_index()    # 默认ascending=True，根据索引将第四列升序排序