DataFrame

data = pandas.DataFrame()

函数简介
data.index   #返回索引值
data.columns  #返回表头/列名
data.dtypes  #返回各列的 类型
data.ftypes   我也不知道
data.get_dtype_counts()  #返回各类型的列数量
data.get_ftype_counts()
data.axes        #返回2个列表 [索引列表，columns]
data.ndim  # 返回一个数字，显示 是 几维
data.size  # 返回总共有多少个数据
data.shape  #返回一个元祖  (行数，列数)
data.memory_usage([deep])  # 返回各列内存使用情况，deep is bool
data.empty   #返回bool，如有空则TRUE
data.is_copy 我也不知道

转换
data.astype  #转换类型，一般结合numpy.int64之类的使用
ps:data.astype('category',categories=[1,2,3],ordered=True)
1.在某一列unique后情况下发现长度短，可以使此方法节约内存
2.在某一列想实现自定义排序，而不是根据默认的排序方式
data.copy([deep]) # 复制，deep is bool,默认为True,则实现深度复制
data.isna()  #判断是否为缺失值，是则True else False
ps: data.isna().any() 可以知道哪些列有缺失值
data.notna() #判断是否为缺失值，是则False else True

索引
data.head([n])  # 返回前 n 行数据
data.tail([n])  # 返回后 n 行数据
data.at[index,column] # 返回 column 第 index 个值
data.iat[index,index_column] #返回第 index_column列 第 index行值
data.loc[rows,columns]   #返回 行，rows可以是索引，或bool,可以结合lambda
data.iloc[rows,columns]  #返回 行  
data.insert(插入第几列后面，表头名，values)  #插入列
data.append()   #插入行
data.items()  # 返回 每一列
data.keys()   #看起来跟columns一样，不过应该有其他功能
data.iteritems()  #迭代器 ， 返回每一列
data.iterrows()  #迭代器 ，返回每一行
data.pop(column) #  删除列
data.drop(row)  # 删除 行
data.isin([]) # 返回bool 列表，判断成员存在
data.where(条件，[value]) # 如果满足添加则显示，其他为NAN,NAN替换成VALUE
data.mask(条件，[value]) #如果满足条件则NAN,其他显示，NAN替换成VALUE
data.query('a>b')  #比较a,b列，如果True则返回对应的行，实质跟data[data.a>data.b]一个效果

运算
(add,sub,mul,div,floordiv,mod,pow) = + - * / // % **
（eq, ne, le, lt, ge, gt） ==, =!, <=, <, >=, > 
参数 fill_value： Nan时替换值
data.div(10)  #除以10
data.rdiv(10)  #有个‘r’就是被  被除以10
data.sub([1,2],axis='columns')  -==-  data - [1,2]  #同时对2列做减法
data.sub(pd.Series([1,1,1]),index=[0,3,5],axis='index') #对指定行做减法
data.dot()   #矩阵相乘

功能应用
data.apply(func,axisx)  # 对每一列或行，执行func
data.applymap(func) #对每一个元素执行func
data.agg()  # 可以使用‘sum’,'max'之类的传入参数,返回的是缩减版的
data.transform #跟agg类似，但可以返回详细版，跟原数据相同数量
data.groupby   #聚合分析

统计
data.abs()   #绝对值
data.all()  # 所有元素都为TRUE，则返回true
data.any()  # 如果一个或多个元素为True，则返回True
data.clip(low,high) #如果低于low，则替换成low;高于high,则替换成high
data.clip_lower()
data.clip_upper()
data.round(n)  #保留几个小数点
data.cumsum()  #累计和
data.prod()  #累计 乘积
max,min,mean,median,std,nunique

缺少数据处理
data.dropna
data.fillna
data.replace

排序
data.sort_values   # ascending is bool ,正序或者倒序
data.sort_index
data.nlargest(n)   # 返回最大的n个值
data.nsmallest(n)
data.T  #转置

合并
data.merge(df,how='left',on='ID') #数据库方式连接