阿极的博客

Pandas DataFrame是一种二维标签化数据结构，可以将其看作一个电子表格或SQL表。每列可以有不同的数据类型（数值，字符串，布尔值等），也可以有行和列标签。

Series是一种一维数组结构，它由两个部分组成：索引和值。索引是一个标签数组，可以用来标识数据。值可以是任何类型的数据，例如整数、浮点数、字符串等。Series提供了类似于Numpy数组的操作，同时也支持类似于Python字典的操作。

cat() 拼接字符串、split()切片字符串、get() 获取指定位置的字符串、contains() 是否包含表达式，返回True或False、replace() 字符串替换、slice() 按字符串下标的开始结束位置切割字符串、count() 计算给定单词出现的次数、len() 计算字符串的长度、strip()去除前后的空白字符、lower() 全部小写、upper() 全部大写、index() 查找给定字符串的位

在数据分析中，我们往往需要在将数据拆分，在每一个特定的组里进行运算。as_index：在groupby中使用的键是否成为新的dataframe中的索引，默认as_index=True。sort：对groupby分组后新的dataframe中索引进行排序，sort=True为升序，我们通过一个或者多个分类变量将数据拆分，然后分别在拆分以后的数据上进行需要的计算。squeeze ：如果可能的话，减少返回类型的维数，否则返回一个一致的类型。pandas中的groupby提供了一个高效的数据的分组运算。

Series对象本质上是一个NumPy的数组，因此NumPy的数组处理函数可以直接对Series进行处理。Series的定义：Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。1.在pandas的Series中，会保留NumPy的数组操作（用布尔数组过滤数据，标量乘法，以及使用数学函数），并同时保持引用的使用。2.删：Series的drop()方法可以对Series进行删除操作，返回一个被删除后的Series，原来的Series不改变。

绘图方法允许除了默认的线图之外的一些绘图样式，这些方法可以通过plot()的关键字参数kind提供。1.编写代码，使用Series的plot绘制Series中数据的分布图。熟练掌握使用pandas中数据用plot方法绘制图。练习使用pandas中数据用plot方法绘制图。kde、density：绘制密度图。bar 、barh：绘制条形图。Python 3.6.0以上。scatter：绘制散点图。hist：绘制直方图。hexbin：棱形图。

熟练掌握pandas中DataFrame的修改元素值、缺失值处理、合并操作的方法。concat合并、使用append方法合并、使用merge进行合并、使用join进行连接

a.loc[‘one’,‘a’]与a.loc[[‘one’],[‘a’]]作用是一样的，不过前者只显示对应的值，而后者会显示对应的行和列标签。a.loc[[‘one’,‘two’],[‘a’,‘b’]] 表示选取’one’和’two’这两行以及columns为a,b的列；a1[a1[‘one’].isin([‘2’,‘3’])] 表显示满足条件：列one中的值包含’2’,'3’的所有行。a.x与a[‘x’]意思一样。a.loc[:,[‘a’,‘b’] ] 表示选取所有的行以及columns为a,b的列；