数据的更改主要包括三种常见的操作，比如更新、插入和删除。我们下面分别来介绍下：
先来看看更新操作。所谓更新，就是指修改现有的数据。比如我们准备修改所有的身高，都增加1厘米，方法很简单：
frame[‘height’] = frame[‘height’] + 0.01
这句话的准确理解是指将现有的身高列全部拿出来，各自加上0.01后，再更新回现有的身高列。于是，所有身高就变高了些。
其实这里的关键还是数据选择问题，我们选择的数据是什么，更新数据就是什么，所以大家可以把前面我们学习过的任何一种数据选择方法拿过来，就可以修改数据。
再比如，我们准备把第二条记录的姓名改为“赵春”，方法依然建立在准确的数据选择之上：
frame[1:2][‘name’] = ‘赵春’
此时可以更新成功。
但是细心的同学会发现，这时会有一个警告信息。警告不同于错误，只是可能的错误提示。为什么会有这个警告呢？主要原因在于这种写法其实进行了两次数据选择，因此在第二次选择列时，系统提示你目前是在第一次选择后的数据上进行的操作，可能与原始数据并不是同一个数据，更新会失败。当然这里其实没有问题。
因此更好的方法就是一步到位的定位：
frame.loc[1,’name’] = ‘赵春’
再看看插入数据。所谓插入数据就是指新增数据，既可以增加一列，也可以增加一行。比如我们增加一行，也就是一个学生记录：
data1 = {‘ID’: [‘000008’],
‘name’: [‘方文吾’],
‘gender’: [False],
‘age’: [21],
‘height’: [1.75]
}
frame1 = pd.DataFrame(data1)
print(frame.append(frame1))
这里首先需要构造一个新的DataFrame，一条多条记录都可以，只需列结构一致即可。然后通过DataFrame类变量的append函数方法实现追加，
但是请注意，这个append只是临时性追加，如果要保存，需要显式的保存在DataFrame类变量中，如：
frame = frame.append(frame1)
这里比较奇怪的是新记录的索引号，虽然看起来是0，原因是从其他DataFrame中复制过来，但是实际上的序号仍然是7。
print(frame[7:8])
如果你希望在复制数据时不复制索引号，可以增加一个属性说明，即忽略复制过来的索引：
frame.append(frame1, ignore_index=True)
其实大家不用担心行之间的次序问题，这个问题称之为排序问题，以后可以专门处理，因此在增加数据时无需考虑行之间彼此的次序。
列也可以增加，增加时只需直接给出新增的列名及其每行对应的值：
frame[‘class’] = [‘C1’, ‘C2’, ‘A1’, ‘B2’, ‘C1’, ‘C1’, ‘C2’]
这里class列并不存在，不过没关系，系统会自动在最后一列后追加新列，并填充数据。
如果想在中间插入新的列，可以使用insert函数方法
frame.insert(0, ‘class’, [‘C1’, ‘C2’, ‘A1’, ‘B2’, ‘C1’, ‘C1’, ‘C2’])
这就表示在第1列前面插入一个新的第一列，第二个和第三个参数分别指定了列名称和对应的数值。
最后我们来看看删除。同样，删除也包含行删除和列删除，它们都使用drop函数。
比如通过索引号直接删除：
frame = frame.drop(1)
这些操作也都需要存储到DataFrame类变量才能保存。
也可以删除多条记录：
frame = frame.drop([1, 2])
其实这里默认的参数名称是index，也就是说默认以索引号，而不是序号来进行删除
frame = frame.drop(index=[1, 2])
通过设定columns参数可以指定删除列的名称
frame = frame.drop(columns=’name’)
除此以外，也可以不用指定这两个参数名称，而通过另外一个参数来指定删除的是行还是列。
frame = frame.drop(‘name’, axis=1) # 删除列
frame = frame.drop(1, axis=0) # 删除行
看的出来，axis参数默认为0。
最为灵活的方式是根据条件来删除行列，这个再次有依赖于前面学习的数据选择方法。
比如删除所有男生记录，即性别为True的记录：
frame = frame.drop(index=(frame.loc[(frame[‘gender’] == True)].index))
其中，frame.loc[(frame[‘gender’] == True)表示数据选择，
.index表示这些数据的索引信息，它也是DataFrame类变量中的一个属性，返回当前数据框架的所有索引号集合，与之类似的还有一个columns属性返回所有列的名称集合。
说明一下，这种条件也可以结合进数据更新和数据插入。我们来看两个例子：
比如我们准备将现有学生记录中年龄大于18岁的所有学生再次批量追加进现有数据中。
frame = frame.append(frame.loc[frame[‘age’] > 17])
这里的数据选择获取的数据直接作为append函数方法的参数，产生有条件的数据插入。
再如我们准备将所有身高大于1.80的学生年龄增加1岁。
frame.loc[frame[‘height’] > 1.80, ‘age’] = frame.loc[frame[‘height’] > 1.80, ‘age’] + 1
这些操作略显复杂，但是只要大家清楚前面学习的这些规则，就能理解。建议大家多练习。
在做练习之前，要注意一个关键问题，数据更改可能并不难，但是要想恢复并不容易，因此大家在进行任何数据更改的时候，都要想一想数据是否重要以及是否可以恢复。