pandas 作為一種常用的資料分析工具，提供了廣泛的資料修改方法，
既可以針對行或者列的資料進行修改，也可以對具體單個元素進行修改，還可以基于條件選擇要修改的行或者列的資料，

1. 增加資料

1.1 增加行資料

pandas的DataFrame增加一行或者多行資料之前是使用append方法，

import pandas as pd

df = pd.DataFrame(columns=["name", "age", "gender"])
df = df.append(
    [
        {"name": "小紅", "age": 13, "gender": "女"},
        {"name": "小明", "age": 15, "gender": "男"},
    ],
    ignore_index=True,
)
df

使用append方法會有FutureWarning警告，說明append方法以后會被淘汰，不建議使用此方法來增加資料，

建議使用的方法是 concat，
當兩個DataFrame列相同的時候，通過concat可以其中一個DataFrame的行添加到另一個DataFrame中，

import pandas as pd

df = pd.DataFrame(columns=["name", "age", "gender"])
new_data = https://www.cnblogs.com/wang_yb/archive/2023/05/16/pd.DataFrame(
    {"name": ["小紅", "小明"],
        "age": [13, 15],
        "gender": ["男", "女"],
    }
)
df = pd.concat([df, new_data[:1])
df

1.2 增加列資料

增加列資料用insert方法，insert方法有關鍵引數有三個：

loc：列插入的位置，從0開始
column：列名稱
value：插入的值

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明"],
        "age": [13, 15],
        "gender": ["男", "女"],
    }
)
df.insert(3, "score", [100, 95])
df

如果想把新的列插入到前面，修改insert方法的第一個引數，

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明"],
        "age": [13, 15],
        "gender": ["男", "女"],
    }
)
df.insert(1, "score", [100, 95])
df

此外，前面增加行資料的concat方法也可以增加列資料，按列添加時，設定axis=1，

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明"],
        "age": [13, 15],
        "gender": ["男", "女"],
    }
)
new_data = https://www.cnblogs.com/wang_yb/archive/2023/05/16/pd.DataFrame({"score": [100, 95]})
df = pd.concat([df, new_data], axis=1)
df

2. 洗掉資料

洗掉資料使用drop方法，drop方法的axis引數控制洗掉行還是列，

2.1 洗掉行

洗掉單行：

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)

df.drop(1, axis=0)

洗掉多個行：

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)

df.drop([0, 2], axis=0)

2.2 洗掉列

洗掉單個列：

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)
df.drop("age", axis=1)

洗掉多個列：

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)
df.drop(["age", "gender"], axis=1)

3. 修改資料

修改資料既可以使用之前介紹過的loc和iloc方法，也可以通過條件過濾出需要修改的值，
這里再次提醒下loc和iloc的區別：

loc使用標簽，iloc使用索引
loc的行和列的標簽是包含端點的，iloc的行和列的索引是不包含端點的

3.1 單個資料修改

通過loc或者iloc定位到具體的元素，然后修改，

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)
df.loc[0, "name"] = "小黃"
# OR df.iloc[0, 0] = "小黃"

3.2 多個資料修改

通過loc或者iloc定位多個行和列，然后修改，

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)

df.loc[0:1, "age"] = 18
# OR df.iloc[0:2, 1] = 18

3.3 按條件修改

loc或者iloc也可以設定條件來過濾出要修改的資料，

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小紅", "小明", "小華"],
        "age": [13, 15, 14],
        "gender": ["男", "女", "男"],
    }
)

df.loc[df["age"] > 13, "age"] = 20
# OR df.iloc[df["age"] > 13, 1] = 20