1. 重新索引：Series/DataFrame.reindex(index=None, **kwargs)：

• index：一个array-like对象，给出了新的index的label
• method：当新的label的值缺失时，如何处理。参数值可以为：
  • None：不做任何处理，缺失地方填充NaN
  • 'backfill'/'bfill'：用下一个可用的值填充该空缺（后向填充）
  • 'pad'/'ffill'：用上一个可用的值填充该空缺（前向填充）
  • 'nearest'：用最近的可用值填充该空缺
• copy：一个布尔值，如果为True，则返回一个新的Series对象（即使传入的index与原来的index相同）
• level：一个整数或者name，在MultiIndex的指定级别上匹配简单索引
• fill_value：一个标量。指定缺失值的填充数据，默认为NaN（如果该参数与method同时出现，则以method为主）
• limit：一个整数，指定前向/后向填充时：如果有连续的k个NaN，则只填充其中limit个。它与method配合
• tolerance：一个整数，用于给出在不匹配时，连续采用前向/后向/最近邻匹配的跨度的最大值。它与method配合

对于DataFrame，多了关键字参数：

• columns：一个array-like对象，给出了新的columns的label

对于DataFrame，如果.reindex()只传入一个序列，则默认会重索引行label。如果同时重索引行label和列label，则method插值只能按照行来进行（即 0 轴）

2. 将列数据变成行索引（只对DataFrame有效，因为Series没有列索引），其中：col label变成index name，列数据变成行label：

 DataFrame.set_index(keys, drop=True, append=False, inplace=False, 
  verify_integrity=False)

3. reset_index会将层次化的行index转移到列中，成为新的一列。同时index 变成一个整数型的，从0开始编号：

 DataFrame.reset_index(level=None, drop=False, inplace=False, 
  col_level=0, col_fill='')
  Series.reset_index(level=None, drop=False, name=None, inplace=False)

4. 丢弃某条轴上的一个或者多个label：Series/DataFrame.drop(labels[, axis, level, inplace, errors]):

• labels：单个label或者一个label序列，代表要被丢弃的label
• axis：一个整数，或者轴的名字。默认为 0 轴
• level：一个整数或者level名字，用于MultiIndex。因为可能在多个level上都有同名的label。
• inplace：一个布尔值。如果为True，则原地修改并且返回None
• errors：可以为'ignore'/'raise'