摘要：
如果有多个df，可以使用以下方法建立a_ lista_ list=[]foriinrange:a_ list。append II：排序df。排序值sdf。sort_Values这两个表达式的结果不同。第一个是基于B行的，然后是B相同时的A行。第二种方法基于A行，然后是B行。如果对多个列的计数值进行计数，可以使用以下方法：1a=[[“None”forcolinage]forrowinrange（len（df[“A”]*len（df[“B”]）3k=04 foriinrange（len）（df[”A“]）:5forjinrange（len[”B“]）:6a[k][0]=df。A[i]7a[k][1]=df。B[j]8data_选择=df[df.A==x[i]&df。B==x[j]]9a[k][2]=len（data_select）10ViewCodedf[“A”]。unique（）这将直接获取列A4中的唯一值。重置索引df=df。reset_索引（drop=True）重置行索引
Pandas之Dataframe索引，排序，统计，重新设置索引
一：叠加
import pandas as pd a_list = [df1,df2,df3] add_data = pd.concat(a_list,ignore_index = True)
其中的ignore_index参数代表是否重新建立索引。
如果df比较多，可以采用如下方法建立a_list
a_list = [] for i in range(len(df)）: a_list.append(df[i])
二：排序
df.sort_values(by=["B","A"] , ascending=(False,False))
df.sort_values(by=["A","B"] , ascending=(False,False))
这两个表达式结果不一样，第一个是先按B排的基础上，当B一样时再按A排，第二个是先按照A排完再按B排。
其中ascending默认是FALSE，即默认会按照相应的by中的第几个元素降序排序，当希望用第几个元素升序排序时，可以设置成TRUE
三：统计
df["A"].value_counts()#对A列进行统计，计数然后生成一个只有一个A值和对应计数值。
这个是统计A列中的唯一值有多少。
如果统计多列的计数值，可以采用如下方法
1 a = [["None" for col in range(3)] for row in 2 range(len(df["A"]*len(df["B"]) 3 k = 0 4 for i in range(len(df["A"]): 5 for j in range(len(df["B"]): 6 a[k][0] = df.A[i] 7 a[k][1] = df.B[j] 8 data_select = df[df.A==x[i]&df.B==x[j]] 9 a[k][2] = len(data_select) 10
df["A"].unique()
这个会直接取出A列中的唯一值
四、重新设置索引
df = df.reset_index(drop = True)
重新设置行索引