原始数据

处理过程

1、通过函数，生成上图所示的原始数据集

2、选择某一单元格中的值

3、交换数据集中A、B列的值

4、选择A列和B列，形成新的数据集

处理过程1

新建文件夹和Python笔记本源程序，导入pandas和numpy，运行单元格，如下图所示。

这里，我们需要使用numpy库，来辅助生成原始数据集。没有安装numpy库的话，用下列命令安装好。

新建日期索引列dates，然后通过np.random.randn函数，生成一个8行4列的数据集，并且把dates作为索引列，列名用columns参数进行设置。

处理过程2

我们这里介绍了几种获取单元格数据的方法，大家可以根据需要，选择使用合适的方法。

首先，通过中括号[]加列名'A'的方式，在数据集df中，获取A列，复制给s变量。

其次，获取时间索引dates变量的第五个索引，通过中括号加数字的方式获取，赋值给index时间索引变量index。

最后，通过时间索引的方式，获取到单元格的具体数值。

我们也可以直接通过索引数值的方式，也就是s[5]的方式，直接拿到单元格的数值。这里要注意，[5]代表从上到下，依次顺序的第6行。因为索引数值是从0开始计数的，所以第6行的索引数值是5。

我们还可以直接从df变量中，获取单元格的数值。df['A'][5]中，从左到右，第一个中括号代表选取A列，第二个中括号，代表选取第A列的第6行单元格的数值。

处理过程3

我们通过选取df数据集的A列和B列，直接赋值给df变量的B列和A列

由于DataFrame的列是数组类型，所以这里需要使用两个中括号进行嵌套。

执行以上代码，对照原始数据集，可以看到，A列和B列的数据，已经完成交换。

处理过程4

选择A列和B列，形成新的数据集变量，有三种方式可供使用。

首先，直接通过列名的数组，从df变量中进行选择。

把选择好的变量，赋值给df1，这是第一种方式。

其次，通过DataFrame的loc函数，进行选取

这里，loc函数代码的中括号中，逗号前面的分号，表示选择所有行。逗号后面的数组，表示需要选取的列。这是第二种方式。

最后，通过DataFrame的iloc函数，进行选取

这里的iloc函数和loc函数，实现的方式差不多。差别在于，loc函数的列，是用字符串数组来进行选取的。而iloc函数的列，是用索引数组下标来进行选取的。

大家要注意loc和iloc函数的细微差别，loc函数的行和列，是用行和列的名称，字符型string变量来选取。iloc函数的行和列，是用行和列对应的索引数组下标来选取，是整数型int变量。