修改索引之前是自动生成的索引：
使用set_index('以xx字段为索引',inplace=True)设置索引：
inplace为True不用给新变量赋值，使用旧的变量名发现索引就已经被改变
打开文件时就生成索引：
index_col='以xx字段为索引'
重置索引：
reset_index()
通过rename方法修改：
提取index和columns属性修改再赋值：
添加：
movie = pd.read_csv('../data/movie.csv')
# 添加新列，并赋值 DataFrame['新列名'] = (值)
movie['new_name'] = (movie['movie_title'] + '----'+ movie['country'])
删除：
# 删除列
movie = movie.drop('new_name',axis='columns')
# 删除行
movie = movie.drop('索引',axis='index')
插入：
DataFrame.insert(loc='下标',column='列名',value='值')
在Python中如果没有原始索引，会默认从0开始的自然数作为索引。
#传入列宿索引 df.columns = ["name","age","grade","height","time"] #传入行索引 df.inex = [1,2,3,4,5,6] #传入的行列索引必须与行列数相同，否则报错
df.set_index("age")
#讲age列当做行索引，可传入多列，形成层次化索引
reset_index(level = None,drop = False,inplace = False) #将层次化索引重置
level:指定要讲层次化索引的第几级别转化为columns,默认全部转化
drop:指定是否阐述原索引，默认为False
inplace：指定是否修改原数据表，默认为False
#reset_index常用于数据分组及透视表中#重命名列索引，以字典的形式传入原列名和新列名
df.rename(columns = {"old":"new","age":"new_age"})
#重命名行索引，与上同
df.rename(index = {})
#行列索引同时修改
df.rename(columns = {},index = {})以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
