切片：
loc:
df.loc[num]:选择df 某一行 series
df.loc[[num1,num2]]: 选择df 某几行
df.loc[[True,False,True, ,True]]: 选择df 某几行
df.loc[num,['a','c']]:选择df 某一行n列
df.loc[[num1,num2],['a','c']]: 选择df 某几行n列
df.loc[[True,False,True, ,True],['a','c']]: 选择df 某几行n列
#loc 以数字、布尔及其列表标记行，列名及其列表标记列。
df.iloc[num]:选择df 某一行 series
df.iloc[[num1,num2]]: 选择df 某几行
df.iloc[[True,False,True, ,True]]: 选择df 某几行
df.iloc[num,num]:选择df 某一行第num列
df.iloc[[num1,num2],[2,4,5]]: 选择df 某几行 列
df.iloc[[True,False,True, ,True],3:5]: 选择df 某几行n列(左闭右开)
#iloc 以数字、布尔及其列表标记行，以数字及其列表标记列
##loc,iloc主要区别在于loc选择某些列只能用列名来选，iloc只能用数字来选，
哪怕列名是数字的也不例外。切片选择列时，从0开始，左闭右开即右边不包含。
按条件索引行:df[df['a']==0]
纵向合并：append需要重新将值赋给变量，不会像list.append()一样直接改变变量
df=df.append(df2)