pandas的两种数据类型：Series和DataFrame

首先要明确pandas是做什么的，在确定是如何做的，通过哪些方式去做的？

pandas是做什么的？

     Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。简单总结就是处理大型数据的工具，我们生活中常用地数据处理软件是微软的Excel，当你学会pandas时候，你会发现pandas比Excel好用太多了。

如何做的或者是如何处理数据的？

简单的来说pandas只有两种数据类型，Series和DataFrame，Series你可以简单的理解为Excel中的行或者列，DataFrame可以理解为整个Excel表格，当然这只是形象的理解，实际上他们的功能要比Excel灵活的多。

         Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

         Time- Series：以时间为索引的Series。

         DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。

         Panel ：三维的数组，可以理解为DataFrame的容器。

详细介绍两种类型：

pandas.Series 

class pandas.Series（data = None，index = None，dtype = None，name = None，copy = False，fastpath = False ）

带轴标签的一维ndarray（包括时间序列）。

标签不一定是唯一的，但必须是可清洗的类型。该对象支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。来自ndarray的统计方法已被覆盖，以自动排除缺失的数据（目前表示为NaN）。

Series（+， - ，/ ,, *）之间的操作根据其关联的索引值对齐值 - 它们不必是相同的长度。结果索引将是两个索引的排序并集。

参数：	data：array-like，dict或scalar value 包含以系列格式存储的数据 在版本0.23.0中更改：如果数据是dict，则为Python 3.6及更高版本维护参数顺序。 index：array-like或Index（1d） 值必须是可清除的，并且与数据具有相同的长度。允许使用非唯一索引值。如果没有提供，将默认为RangeIndex（0,1,2，...，n）。如果同时使用dict和index序列，索引将覆盖在dict中找到的键。 D型：numpy.dtype或无 如果为None，则推断出dtype copy：boolean，默认为False 复制输入数据

属性

T	返回转置
asobject	返回对象包含盒装值的系列。
at	访问行/列标签对的单个值。
axes	返回行轴标签的列表
base	如果共享基础数据的内存，则返回基础对象
blocks	（已弃用）as_blocks（）的内部属性，属性同义词
data	返回基础数据的数据指针
dtype	返回基础数据的dtype对象
dtypes	返回基础数据的dtype对象
flags
ftype	如果数据稀疏则返回
ftypes	如果数据稀疏则返回
hasnans	如果我有任何nans，我会回来; 实现各种性能加速
iat	按整数位置访问行/列对的单个值。
iloc	纯粹基于整数位置的索引，用于按位置选择。
index	系列的索引（轴标签）。
is_monotonic	如果对象中的值是monotonic_increasing，则返回布尔值
is_monotonic_decreasing	如果对象中的值是monotonic_decreasing，则返回布尔值
is_monotonic_increasing	如果对象中的值是monotonic_increasing，则返回布尔值
is_unique	如果对象中的值是唯一的，则返回布尔值
itemsize	返回基础数据项的dtype的大小
ix	主要基于标签位置的索引器，具有整数位置回退。
loc	通过标签或布尔数组访问一组行和列。
nbytes	返回基础数据中的字节数
ndim	根据定义1，返回基础数据的维数
shape	返回基础数据形状的元组
size	返回基础数据中的元素数量
strides	返回基础数据的步幅
values	返回系列为ndarray或ndarray-like取决于dtype

    方法 

abs()	返回具有每个元素的绝对数值的Series / DataFrame。
add(other[, level, fill_value, axis])	添加系列和其他元素（二元运算符添加）。
add_prefix(prefix)	带有字符串前缀的前缀标签。
add_suffix(suffix)	带有字符串后缀的后缀标签。
agg(func[, axis])	使用指定轴上的一个或多个操作进行聚合。
aggregate(func[, axis])	使用指定轴上的一个或多个操作进行聚合。
align(other[, join, axis, level, copy, …])	使用指定的每个轴索引的连接方法将轴上的两个对象对齐
all([axis, bool_only, skipna, level])	返回是否所有元素都是True，可能是在轴上。
any([axis, bool_only, skipna, level])	返回任何元素在请求的轴上是否为True。
append(to_append[, ignore_index, …])	连接两个或更多系列。
apply(func[, convert_dtype, args])	调用Series的值的函数。
argmax([axis, skipna])	（已弃用）..已弃用:: 0.21.0
argmin([axis, skipna])	（已弃用）..已弃用:: 0.21.0
argsort([axis, kind, order])	覆盖ndarray.argsort。
as_blocks([copy])	（已弃用）将帧转换为dtype - >构造函数类型的dict，每个类型都具有同类dtype。
as_matrix([columns])	（DEPRECATED）将帧转换为Numpy数组表示。
asfreq(freq[, method, how, normalize, …])	将TimeSeries转换为指定的频率。
asof(where[, subset])	获取没有任何NaN的最后一行（或者在没有NaN的情况下考虑仅使用DataFrame情况下的列子集的最后一行）
astype(dtype[, copy, errors])	将pandas对象转换为指定的dtype dtype。
at_time(time[, asof])	在特定时间选择值（例如，
autocorr([lag])	Lag-N自相关
between(left, right[, inclusive])	返回boolean Series等效于left <= series <= right。
between_time(start_time, end_time[, …])	选择一天中特定时间之间的值（例如，上午9：00-9：30）。
bfill([axis, inplace, limit, downcast])	同义词 DataFrame.fillna(method='bfill')
bool()	返回单个元素PandasObject的bool。
cat	别名 pandas.core.arrays.categorical.CategoricalAccessor
clip([lower, upper, axis, inplace])	在输入阈值处修剪值。
clip_lower(threshold[, axis, inplace])	返回值低于阈值截断的输入的副本。
clip_upper(threshold[, axis, inplace])	输入的返回副本，其值超过给定值（截断）。
combine(other, func[, fill_value])	当一个系列或另一个系列中缺少索引时，使用给定函数对两个系列执行元素二进制运算，并带有可选填充值
combine_first(other)	组合系列值，首先选择调用Series的值。
compound([axis, skipna, level])	返回请求轴的值的复合百分比
compress(condition, *args, **kwargs)	沿给定轴返回选定的阵列切片作为系列
consolidate([inplace])	（已弃用）使用“合并”内部构件计算NDFrame（每个dtype的数据在单个ndarray中组合在一起）。
convert_objects([convert_dates, …])	（DEPRECATED）尝试推断对象列的更好dtype。
copy([deep])	复制此对象的索引和数据。
corr(other[, method, min_periods])	计算与其他系列的相关性，不包括缺失值
count([level])	返回系列中非NA / null观测值的返回数
cov(other[, min_periods])	计算与Series的协方差，不包括缺失值
cummax([axis, skipna])	返回DataFrame或Series轴上的累积最大值。
cummin([axis, skipna])	返回DataFrame或Series轴上的累积最小值。
cumprod([axis, skipna])	通过DataFrame或Series轴返回累积产品。
cumsum([axis, skipna])	返回DataFrame或Series轴上的累积和。
describe([percentiles, include, exclude])	生成描述性统计数据，总结数据集分布的集中趋势，分散和形状，不包括NaN值。
diff([periods])	第一个离散的元素差异。
div(other[, level, fill_value, axis])	系列和其他的浮动划分，元素方式（二元算子truediv）。
divide(other[, level, fill_value, axis])	系列和其他的浮动划分，元素方式（二元算子truediv）。
divmod(other[, level, fill_value, axis])	系列和其他的整数除法和模数，元素方式（二元运算符divmod）。
dot(other)	矩阵乘法与DataFrame或内部产品与Series对象。
drop([labels, axis, index, columns, level, …])	返回已删除指定索引标签的系列。
drop_duplicates([keep, inplace])	返回系列，删除重复值。
dropna([axis, inplace])	返回删除了缺失值的新系列。
dt	别名 pandas.core.indexes.accessors.CombinedDatetimelikeProperties
duplicated([keep])	指示重复的系列值。
eq(other[, level, fill_value, axis])	等于系列和其他元素（二元运算符eq）。
equals(other)	确定两个NDFrame对象是否包含相同的元素。
ewm([com, span, halflife, alpha, …])	提供指数加权函数
expanding([min_periods, center, axis])	提供扩展转换。
factorize([sort, na_sentinel])	将对象编码为枚举类型或分类变量。
ffill([axis, inplace, limit, downcast])	同义词 DataFrame.fillna(method='ffill')
fillna([value, method, axis, inplace, …])	使用指定的方法填充NA / NaN值
filter([items, like, regex, axis])	根据指定索引中的标签设置数据框的行或列。
first(offset)	用于基于日期偏移量化时间序列数据的初始时段的便捷方法。
first_valid_index()	返回第一个非NA / null值的索引。
floordiv(other[, level, fill_value, axis])	系列和其他的整数除法，元素方式（二元运算符floordiv）。
from_array(arr[, index, name, dtype, copy, …])	从数组构造系列。
from_csv(path[, sep, parse_dates, header, …])	（已弃用）读取CSV文件。
ge(other[, level, fill_value, axis])	大于或等于系列和其他元素（二元运算符ge）。
get(key[, default])	从给定键的对象获取项目（DataFrame列，Panel切片等）。
get_dtype_counts()	返回此对象中唯一dtypes的计数。
get_ftype_counts()	（DEPRECATED）返回此对象中唯一ftypes的计数。
get_value(label[, takeable])	（DEPRECATED）在传递的索引标签处快速检索单个值
get_values()	与值相同（但处理稀疏转换）; 是一种观点
groupby([by, axis, level, as_index, sort, …])	使用mapper（dict或key函数，将给定函数应用于组，将结果作为系列返回）或通过一系列列的组系列。
gt(other[, level, fill_value, axis])	大于系列和其他元素（二元运算符gt）。
head([n])	返回前n行。
hist([by, ax, grid, xlabelsize, xrot, …])	使用matplotlib绘制输入序列的直方图
idxmax([axis, skipna])	返回最大值的行标签。
idxmin([axis, skipna])	返回最小值的行标签。
infer_objects()	尝试推断对象列的更好的dtypes。
interpolate([method, axis, limit, inplace, …])	根据不同的方法插值。
isin(values)	检查系列中是否包含值。
isna()	检测缺失值。
isnull()	检测缺失值。
item()	将基础数据的第一个元素作为python标量返回
items()	懒惰地迭代（索引，值）元组
iteritems()	懒惰地迭代（索引，值）元组
keys()	索引的别名
kurt([axis, skipna, level, numeric_only])	使用Fisher对峰度的定义（正常峰度== 0.0），在请求轴上返回无偏峰度。
kurtosis([axis, skipna, level, numeric_only])	使用Fisher对峰度的定义（正常峰度== 0.0），在请求轴上返回无偏峰度。
last(offset)	用于基于日期偏移量化时间序列数据的最终时段的便捷方法。
last_valid_index()	返回最后一个非NA / null值的索引。
le(other[, level, fill_value, axis])	小于或等于系列等，逐元素（二元运算乐）。
lt(other[, level, fill_value, axis])	少于系列和其他元素（二元运算符lt）。
mad([axis, skipna, level])	返回请求轴的值的平均绝对偏差
map(arg[, na_action])	使用输入对应（字典，系列或函数）映射Series的值。
mask(cond[, other, inplace, axis, level, …])	返回与self相同形状的对象，其对应的条目来自self，其中cond为False，否则来自other。
max([axis, skipna, level, numeric_only])	此方法返回对象中的最大值。
mean([axis, skipna, level, numeric_only])	返回请求轴的值的平均值
median([axis, skipna, level, numeric_only])	返回请求轴的值的中值
memory_usage([index, deep])	返回Series的内存使用情况。
min([axis, skipna, level, numeric_only])	此方法返回对象中的最小值。
mod(other[, level, fill_value, axis])	系列和其他的模数，元素方式（二元运算符mod）。
mode()	返回数据集的模式。
mul(other[, level, fill_value, axis])	系列和其他的乘法，元素（二元运算符mul）。
multiply(other[, level, fill_value, axis])	系列和其他的乘法，元素（二元运算符mul）。
ne(other[, level, fill_value, axis])	不等于系列和其他元素（二元运算符ne）。
nlargest([n, keep])	返回最大的n个元素。
nonzero()	返回非零元素的整数索引
notna()	检测现有（非缺失）值。
notnull()	检测现有（非缺失）值。
nsmallest([n, keep])	返回最小的n个元素。
nunique([dropna])	返回对象中唯一元素的数量。
pct_change([periods, fill_method, limit, freq])	当前元素和先前元素之间的百分比变化。
pipe(func, *args, **kwargs)	应用func（self，* args，** kwargs）
plot	别名 pandas.plotting._core.SeriesPlotMethods
pop(item)	返回项目并从框架中删除。
pow(other[, level, fill_value, axis])	系列和其他元素的指数幂（二元运算符pow）。
prod([axis, skipna, level, numeric_only, …])	返回请求轴的值的乘积
product([axis, skipna, level, numeric_only, …])	返回请求轴的值的乘积
ptp([axis, skipna, level, numeric_only])	返回最大值和之间的差值
put(*args, **kwargs)	将put方法应用于其values属性（如果有）。
quantile([q, interpolation])	给定分位数处的返回值，即la numpy.percentile。
radd(other[, level, fill_value, axis])	添加系列和其他元素（二元运算符radd）。
rank([axis, method, numeric_only, …])	沿轴计算数值数据等级（1到n）。
ravel([order])	将展平的底层数据作为ndarray返回
rdiv(other[, level, fill_value, axis])	系列和其他的浮动划分，元素方式（二元算子rtruediv）。
reindex([index])	使用可选填充逻辑将系列符合到新索引，将NA / NaN放置在先前索引中没有值的位置。
reindex_axis(labels[, axis])	（已弃用）使用可选的填充逻辑将系列符合到新索引。
reindex_like(other[, method, copy, limit, …])	将具有匹配索引的对象返回给我自己。
rename([index])	更改系列索引标签或名称
rename_axis(mapper[, axis, copy, inplace])	更改索引或列的名称。
reorder_levels(order)	使用输入顺序重新排列索引级别。
repeat(repeats, *args, **kwargs)	重复系列的元素。
replace([to_replace, value, inplace, limit, …])	替换给定的值to_replace与价值。
resample(rule[, how, axis, fill_method, …])	频率转换和时间序列重采样的便捷方法。
reset_index([level, drop, name, inplace])	使用索引重置生成新的DataFrame或Series。
rfloordiv(other[, level, fill_value, axis])	系列和其他的整数除法，元素方式（二元运算符rfloordiv）。
rmod(other[, level, fill_value, axis])	系列和其他的模数，元素方式（二元运算符rmod）。
rmul(other[, level, fill_value, axis])	系列和其他的乘法，元素（二元运算符rmul）。
rolling(window[, min_periods, center, …])	提供滚动窗口计算。
round([decimals])	将系列中的每个值舍入到给定的小数位数。
rpow(other[, level, fill_value, axis])	系列和其他元素的指数幂（二元运算符rpow）。
rsub(other[, level, fill_value, axis])	减去序列和其他元素（二元运算符rsub）。
rtruediv(other[, level, fill_value, axis])	系列和其他的浮动划分，元素方式（二元算子rtruediv）。
sample([n, frac, replace, weights, …])	从对象轴返回随机的项目样本。
searchsorted(value[, side, sorter])	查找应插入元素以维护顺序的索引。
select(crit[, axis])	（DEPRECATED）返回与轴标签匹配条件对应的数据
sem([axis, skipna, level, ddof, numeric_only])	在请求的轴上返回均值的无偏标准误差。
set_axis(labels[, axis, inplace])	将所需索引分配给给定轴。
set_value(label, value[, takeable])	（DEPRECATED）在传递的标签上快速设置单个值。
shift([periods, freq, axis])	使用可选的时间频率按期望的周期数移动索引
skew([axis, skipna, level, numeric_only])	返回请求轴的无偏偏差，由N-1归一化
slice_shift([periods, axis])	相当于移位而不复制数据。
sort_index([axis, level, ascending, …])	按索引标签排序系列。
sort_values([axis, ascending, inplace, …])	按值排序。
sortlevel([level, ascending, sort_remaining])	（已弃用）按所选级别对MultiIndex排序系列。
squeeze([axis])	挤压长度1维。
std([axis, skipna, level, ddof, numeric_only])	返回请求轴上的样本标准偏差。
str	别名 pandas.core.strings.StringMethods
sub(other[, level, fill_value, axis])	减去序列和其他元素（二元运算符子）。
subtract(other[, level, fill_value, axis])	减去序列和其他元素（二元运算符子）。
sum([axis, skipna, level, numeric_only, …])	返回请求轴的值的总和
swapaxes(axis1, axis2[, copy])	交换轴和交换值轴适当
swaplevel([i, j, copy])	在MultiIndex中交换i和j级别
tail([n])	返回最后n行。
take(indices[, axis, convert, is_copy])	沿轴返回给定位置索引中的元素。
to_clipboard([excel, sep])	将对象复制到系统剪贴板。
to_csv([path, index, sep, na_rep, …])	将Series写入逗号分隔值（csv）文件
to_dense()	返回NDFrame的密集表示（与稀疏相反）
to_dict([into])	将Series转换为{label - > value} dict或dict-like对象。
to_excel(excel_writer[, sheet_name, na_rep, …])	将系列写入Excel工作表
to_frame([name])	将Series转换为DataFrame
to_hdf(path_or_buf, key, **kwargs)	使用HDFStore将包含的数据写入HDF5文件。
to_json([path_or_buf, orient, date_format, …])	将对象转换为JSON字符串。
to_latex([buf, columns, col_space, header, …])	将对象渲染到表格环境表。
to_msgpack([path_or_buf, encoding])	msgpack（序列化）对象输入文件路径
to_period([freq, copy])	将Series从DatetimeIndex转换为具有所需频率的PeriodIndex（如果未传递，则从索引推断）
to_pickle(path[, compression, protocol])	Pickle（序列化）对象到文件。
to_sparse([kind, fill_value])	将Series转换为SparseSeries
to_sql(name, con[, schema, if_exists, …])	将存储在DataFrame中的记录写入SQL数据库。
to_string([buf, na_rep, float_format, …])	渲染系列的字符串表示形式
to_timestamp([freq, how, copy])	在期间开始时转换为时间戳的datetimedex
to_xarray()	从pandas对象返回一个xarray对象。
tolist()	返回值列表。
transform(func, *args, **kwargs)	调用函数生成类似索引的NDFrame并返回带有转换值的NDFrame
transpose(*args, **kwargs)	返回转置，根据定义自我
truediv(other[, level, fill_value, axis])	系列和其他的浮动划分，元素方式（二元算子truediv）。
truncate([before, after, axis, copy])	在某个索引值之前和之后截断Series或DataFrame。
tshift([periods, freq, axis])	如果可用，使用索引的频率来移动时间索引。
tz_convert(tz[, axis, level, copy])	将tz感知轴转换为目标时区。
tz_localize(tz[, axis, level, copy, ambiguous])	将tz-naive TimeSeries本地化为目标时区。
unique()	返回Series对象的唯一值。
unstack([level, fill_value])	Unstack，又名
update(other)	使用传递的Series中的非NA值修改系列。
valid([inplace])	（DEPRECATED）返回没有空值的系列。
value_counts([normalize, sort, ascending, …])	返回包含唯一值计数的对象。
var([axis, skipna, level, ddof, numeric_only])	在请求的轴上返回无偏差异。
view([dtype])	创建系列的新视图。
where(cond[, other, inplace, axis, level, …])	返回与self相同形状的对象，其对应的条目来自self，其中cond为True，否则来自其他。
xs(key[, axis, level, drop_level])	返回Series / DataFrame的横截面（行或列）。

pandas.DataFrame 

class pandas.DataFrame（data = None，index = None，columns = None，dtype = None，copy = False ）

具有标记轴（行和列）的二维大小可变，可能异构的表格数据结构。算术运算在行标签和列标签上对齐。可以被认为是Series对象的类似dict的容器。主要的熊猫数据结构。

参数：	数据：numpy ndarray（结构化或同类），dict或DataFrame Dict可以包含Series，数组，常量或类似列表的对象 在版本0.23.0中更改：如果数据是dict，则为Python 3.6及更高版本维护参数顺序。 index：索引或类似数组 用于结果框架的索引。如果没有索引信息部分输入数据且没有提供索引，则默认为RangeIndex 列：索引或类似数组 用于生成框架的列标签。如果未提供列标签，则默认为RangeIndex（0,1,2，...，n） dtype：dtype，默认无 要强制的数据类型。只允许一个dtype。如果没有，推断 copy：boolean，默认为False 从输入中复制数据。仅影响DataFrame / 2d ndarray输入

属性

T	转置索引和列。
at	访问行/列标签对的单个值。
axes	返回表示DataFrame轴的列表。
blocks	（已弃用）as_blocks（）的内部属性，属性同义词
columns	DataFrame的列标签。
dtypes	返回DataFrame中的dtypes。
empty	指示DataFrame是否为空。
ftypes	返回DataFrame中的ftypes（稀疏/密集和dtype的指示）。
iat	按整数位置访问行/列对的单个值。
iloc	纯粹基于整数位置的索引，用于按位置选择。
index	DataFrame的索引（行标签）。
ix	主要基于标签位置的索引器，具有整数位置回退。
loc	通过标签或布尔数组访问一组行和列。
ndim	返回表示轴/数组维数的int。
shape	返回表示DataFrame维度的元组。
size	返回一个int，表示此对象中的元素数。
style	返回Styler对象的属性，该对象包含用于为DataFrame构建样式化HTML表示的方法。
values	返回DataFrame的Numpy表示。

方法 

 

abs()	返回具有每个元素的绝对数值的Series / DataFrame。
add(other[, axis, level, fill_value])	添加数据帧和其他元素（二元运算符添加）。
add_prefix(prefix)	带有字符串前缀的前缀标签。
add_suffix(suffix)	带有字符串后缀的后缀标签。
agg(func[, axis])	使用指定轴上的一个或多个操作进行聚合。
aggregate(func[, axis])	使用指定轴上的一个或多个操作进行聚合。
align(other[, join, axis, level, copy, …])	使用指定的每个轴索引的连接方法将轴上的两个对象对齐
all([axis, bool_only, skipna, level])	返回是否所有元素都是True，可能是在轴上。
any([axis, bool_only, skipna, level])	返回任何元素在请求的轴上是否为True。
append(other[, ignore_index, …])	将其他行附加到此帧的末尾，返回一个新对象。
apply(func[, axis, broadcast, raw, reduce, …])	沿DataFrame的轴应用函数。
applymap(func)	将函数元素应用于Dataframe。
as_blocks([copy])	（已弃用）将帧转换为dtype - >构造函数类型的dict，每个类型都具有同类dtype。
as_matrix([columns])	（DEPRECATED）将帧转换为Numpy数组表示。
asfreq(freq[, method, how, normalize, …])	将TimeSeries转换为指定的频率。
asof(where[, subset])	获取没有任何NaN的最后一行（或者在没有NaN的情况下考虑仅使用DataFrame情况下的列子集的最后一行）
assign(**kwargs)	将新列分配给DataFrame，返回一个新对象（副本），并将新列添加到原始列中。
astype(dtype[, copy, errors])	将pandas对象转换为指定的dtype dtype。
at_time(time[, asof])	在特定时间选择值（例如，
between_time(start_time, end_time[, …])	选择一天中特定时间之间的值（例如，上午9：00-9：30）。
bfill([axis, inplace, limit, downcast])	同义词 DataFrame.fillna(method='bfill')
bool()	返回单个元素PandasObject的bool。
boxplot([column, by, ax, fontsize, rot, …])	从DataFrame列创建一个箱形图。
clip([lower, upper, axis, inplace])	在输入阈值处修剪值。
clip_lower(threshold[, axis, inplace])	返回值低于阈值截断的输入的副本。
clip_upper(threshold[, axis, inplace])	输入的返回副本，其值超过给定值（截断）。
combine(other, func[, fill_value, overwrite])	添加两个DataFrame对象并且不传播NaN值，因此如果对于（列，时间）一个帧缺少值，它将默认为另一个帧的值（也可能是NaN）
combine_first(other)	将两个DataFrame对象组合在一起，默认为调用该方法的帧中的非空值。
compound([axis, skipna, level])	返回请求轴的值的复合百分比
consolidate([inplace])	（已弃用）使用“合并”内部构件计算NDFrame（每个dtype的数据在单个ndarray中组合在一起）。
convert_objects([convert_dates, …])	（DEPRECATED）尝试推断对象列的更好dtype。
copy([deep])	复制此对象的索引和数据。
corr([method, min_periods])	计算列的成对相关性，不包括NA / null值
corrwith(other[, axis, drop])	计算两个DataFrame对象的行或列之间的成对关联。
count([axis, level, numeric_only])	计算每列或每行的非NA单元格。
cov([min_periods])	计算列的成对协方差，不包括NA / null值。
cummax([axis, skipna])	返回DataFrame或Series轴上的累积最大值。
cummin([axis, skipna])	返回DataFrame或Series轴上的累积最小值。
cumprod([axis, skipna])	通过DataFrame或Series轴返回累积产品。
cumsum([axis, skipna])	返回DataFrame或Series轴上的累积和。
describe([percentiles, include, exclude])	生成描述性统计数据，总结数据集分布的集中趋势，分散和形状，不包括NaN值。
diff([periods, axis])	第一个离散的元素差异。
div(other[, axis, level, fill_value])	浮动划分数据帧和其他元素（二元运算符truediv）。
divide(other[, axis, level, fill_value])	浮动划分数据帧和其他元素（二元运算符truediv）。
dot(other)	矩阵乘法与DataFrame或Series对象。
drop([labels, axis, index, columns, level, …])	从行或列中删除指定的标签。
drop_duplicates([subset, keep, inplace])	返回删除了重复行的DataFrame，可选择仅考虑某些列
dropna([axis, how, thresh, subset, inplace])	删除缺失的值。
duplicated([subset, keep])	返回boolean Series表示重复行，可选择仅考虑某些列
eq(other[, axis, level])	用于灵活比较方法的包装器eq
equals(other)	确定两个NDFrame对象是否包含相同的元素。
eval(expr[, inplace])	评估描述DataFrame列上的操作的字符串。
ewm([com, span, halflife, alpha, …])	提供指数加权函数
expanding([min_periods, center, axis])	提供扩展转换。
ffill([axis, inplace, limit, downcast])	同义词 DataFrame.fillna(method='ffill')
fillna([value, method, axis, inplace, …])	使用指定的方法填充NA / NaN值
filter([items, like, regex, axis])	根据指定索引中的标签设置数据框的行或列。
first(offset)	用于基于日期偏移量化时间序列数据的初始时段的便捷方法。
first_valid_index()	返回第一个非NA / null值的索引。
floordiv(other[, axis, level, fill_value])	数据帧和其他元素的整数划分（二元运算符floordiv）。
from_csv(path[, header, sep, index_col, …])	（已弃用）读取CSV文件。
from_dict(data[, orient, dtype, columns])	从类似数组或dicts的dict构造DataFrame。
from_items(items[, columns, orient])	（DEPRECATED）从元组列表构造数据框
from_records(data[, index, exclude, …])	将结构化或记录ndarray转换为DataFrame
ge(other[, axis, level])	包装用于灵活的比较方法ge
get(key[, default])	从给定键的对象获取项目（DataFrame列，Panel切片等）。
get_dtype_counts()	返回此对象中唯一dtypes的计数。
get_ftype_counts()	（DEPRECATED）返回此对象中唯一ftypes的计数。
get_value(index, col[, takeable])	（DEPRECATED）在传递的列和索引处快速检索单个值
get_values()	将稀疏值转换为密集后返回一个ndarray。
groupby([by, axis, level, as_index, sort, …])	使用mapper（dict或key函数，将给定函数应用于组，将结果作为系列返回）或通过一系列列的组系列。
gt(other[, axis, level])	用于灵活比较方法的包装器gt
head([n])	返回前n行。
hist([column, by, grid, xlabelsize, xrot, …])	制作DataFrame的直方图。
idxmax([axis, skipna])	返回请求轴上第一次出现最大值的索引。
idxmin([axis, skipna])	返回首次出现最小请求轴的索引。
infer_objects()	尝试推断对象列的更好的dtypes。
info([verbose, buf, max_cols, memory_usage, …])	打印DataFrame的简明摘要。
insert(loc, column, value[, allow_duplicates])	将列插入指定位置的DataFrame。
interpolate([method, axis, limit, inplace, …])	根据不同的方法插值。
isin(values)	返回boolean DataFrame，显示DataFrame中的每个元素是否包含在值中。
isna()	检测缺失值。
isnull()	检测缺失值。
items()	迭代器（列名，系列）对。
iteritems()	迭代器（列名，系列）对。
iterrows()	将DataFrame行迭代为（index，Series）对。
itertuples([index, name])	将DataFrame行作为namedtuples迭代，索引值作为元组的第一个元素。
join(other[, on, how, lsuffix, rsuffix, sort])	在索引或键列上与其他DataFrame连接列。
keys()	获取“信息轴”（请参阅​​索引了解更多信息）
kurt([axis, skipna, level, numeric_only])	使用Fisher对峰度的定义（正常峰度== 0.0），在请求轴上返回无偏峰度。
kurtosis([axis, skipna, level, numeric_only])	使用Fisher对峰度的定义（正常峰度== 0.0），在请求轴上返回无偏峰度。
last(offset)	用于基于日期偏移量化时间序列数据的最终时段的便捷方法。
last_valid_index()	返回最后一个非NA / null值的索引。
le(other[, axis, level])	用于灵活比较方法的包装器
lookup(row_labels, col_labels)	DataFrame的基于标签的“花式索引”功能。
lt(other[, axis, level])	用于灵活比较方法的包装器
mad([axis, skipna, level])	返回请求轴的值的平均绝对偏差
mask(cond[, other, inplace, axis, level, …])	返回与self相同形状的对象，其对应的条目来自self，其中cond为False，否则来自other。
max([axis, skipna, level, numeric_only])	此方法返回对象中的最大值。
mean([axis, skipna, level, numeric_only])	返回请求轴的值的平均值
median([axis, skipna, level, numeric_only])	返回请求轴的值的中值
melt([id_vars, value_vars, var_name, …])	“Unpivots”DataFrame从宽格式到长格式，可选择设置标识符变量。
memory_usage([index, deep])	以字节为单位返回每列的内存使用情况。
merge(right[, how, on, left_on, right_on, …])	通过按列或索引执行数据库样式的连接操作来合并DataFrame对象。
min([axis, skipna, level, numeric_only])	此方法返回对象中的最小值。
mod(other[, axis, level, fill_value])	数据帧的模数和其他元素（二元运算符mod）。
mode([axis, numeric_only])	获取沿所选轴的每个元素的模式。
mul(other[, axis, level, fill_value])	数据帧和其他元素的乘法（二元运算符mul）。
multiply(other[, axis, level, fill_value])	数据帧和其他元素的乘法（二元运算符mul）。
ne(other[, axis, level])	用于灵活比较方法的包装器
nlargest(n, columns[, keep])	返回第一个ñ通过有序的行列按降序排列。
notna()	检测现有（非缺失）值。
notnull()	检测现有（非缺失）值。
nsmallest(n, columns[, keep])	获取按n个最小列值排序的DataFrame行。
nunique([axis, dropna])	返回具有所请求轴上的不同观察数的系列。
pct_change([periods, fill_method, limit, freq])	当前元素和先前元素之间的百分比变化。
pipe(func, *args, **kwargs)	应用func（self，* args，** kwargs）
pivot([index, columns, values])	返回由给定索引/列值组织的重新整形的DataFrame。
pivot_table([values, index, columns, …])	创建一个电子表格样式的数据透视表作为DataFrame。
plot	别名 pandas.plotting._core.FramePlotMethods
pop(item)	返回项目并从框架中删除。
pow(other[, axis, level, fill_value])	数据帧和其他元素的指数幂（二元运算符pow）。
prod([axis, skipna, level, numeric_only, …])	返回请求轴的值的乘积
product([axis, skipna, level, numeric_only, …])	返回请求轴的值的乘积
quantile([q, axis, numeric_only, interpolation])	在请求的轴上返回给定分位数的值，即la numpy.percentile。
query(expr[, inplace])	使用布尔表达式查询帧的列。
radd(other[, axis, level, fill_value])	添加数据帧和其他元素（二元运算符radd）。
rank([axis, method, numeric_only, …])	沿轴计算数值数据等级（1到n）。
rdiv(other[, axis, level, fill_value])	数据帧和其他元素的浮动划分（二元运算符rtruediv）。
reindex([labels, index, columns, axis, …])	使用可选填充逻辑将DataFrame符合到新索引，将NA / NaN放置在先前索引中没有值的位置。
reindex_axis(labels[, axis, method, level, …])	使用可选的填充逻辑将输入对象符合到新索引，将NA / NaN放置在先前索引中没有值的位置。
reindex_like(other[, method, copy, limit, …])	将具有匹配索引的对象返回给我自己。
rename([mapper, index, columns, axis, copy, …])	更改轴标签。
rename_axis(mapper[, axis, copy, inplace])	更改索引或列的名称。
reorder_levels(order[, axis])	使用输入顺序重新排列索引级别。
replace([to_replace, value, inplace, limit, …])	替换给定的值to_replace与价值。
resample(rule[, how, axis, fill_method, …])	频率转换和时间序列重采样的便捷方法。
reset_index([level, drop, inplace, …])	对于具有多级索引的DataFrame，在索引名称下的列中返回带有标签信息的新DataFrame，默认为“level_0”，“level_1”等。
rfloordiv(other[, axis, level, fill_value])	数据帧和其他元素的整数划分（二元运算符rfloordiv）。
rmod(other[, axis, level, fill_value])	数据帧的模数和其他元素（二元运算符rmod）。
rmul(other[, axis, level, fill_value])	数据帧和其他元素的乘法（二元运算符rmul）。
rolling(window[, min_periods, center, …])	提供滚动窗口计算。
round([decimals])	将DataFrame舍入到可变数量的小数位。
rpow(other[, axis, level, fill_value])	数据帧和其他元素的指数幂（二元运算符rpow）。
rsub(other[, axis, level, fill_value])	减去数据帧和其他元素（二元运算符rsub）。
rtruediv(other[, axis, level, fill_value])	数据帧和其他元素的浮动划分（二元运算符rtruediv）。
sample([n, frac, replace, weights, …])	从对象轴返回随机的项目样本。
select(crit[, axis])	（DEPRECATED）返回与轴标签匹配条件对应的数据
select_dtypes([include, exclude])	根据列dtypes返回DataFrame列的子集。
sem([axis, skipna, level, ddof, numeric_only])	在请求的轴上返回均值的无偏标准误差。
set_axis(labels[, axis, inplace])	将所需索引分配给给定轴。
set_index(keys[, drop, append, inplace, …])	使用一个或多个现有列设置DataFrame索引（行标签）。
set_value(index, col, value[, takeable])	（DEPRECATED）将单个值放在已传递的列和索引处
shift([periods, freq, axis])	使用可选的时间频率按期望的周期数移动索引
skew([axis, skipna, level, numeric_only])	返回请求轴的无偏偏差，由N-1归一化
slice_shift([periods, axis])	相当于移位而不复制数据。
sort_index([axis, level, ascending, …])	按标签排序对象（沿轴）
sort_values(by[, axis, ascending, inplace, …])	按任一轴的值排序
sortlevel([level, axis, ascending, inplace, …])	（DEPRECATED）按选定的轴和主要级别对多级索引进行排序。
squeeze([axis])	挤压长度1维。
stack([level, dropna])	将指定级别从列堆叠到索引。
std([axis, skipna, level, ddof, numeric_only])	返回请求轴上的样本标准偏差。
sub(other[, axis, level, fill_value])	减去数据帧和其他元素（二元运算符子）。
subtract(other[, axis, level, fill_value])	减去数据帧和其他元素（二元运算符子）。
sum([axis, skipna, level, numeric_only, …])	返回请求轴的值的总和
swapaxes(axis1, axis2[, copy])	交换轴和交换值轴适当
swaplevel([i, j, axis])	在特定轴上的MultiIndex中交换i和j级别
tail([n])	返回最后n行。
take(indices[, axis, convert, is_copy])	沿轴返回给定位置索引中的元素。
to_clipboard([excel, sep])	将对象复制到系统剪贴板。
to_csv([path_or_buf, sep, na_rep, …])	将DataFrame写入逗号分隔值（csv）文件
to_dense()	返回NDFrame的密集表示（与稀疏相反）
to_dict([orient, into])	将DataFrame转换为字典。
to_excel(excel_writer[, sheet_name, na_rep, …])	将DataFrame写入Excel工作表
to_feather(fname)	写出DataFrames的二进制羽毛格式
to_gbq(destination_table, project_id[, …])	将DataFrame写入Google BigQuery表。
to_hdf(path_or_buf, key, **kwargs)	使用HDFStore将包含的数据写入HDF5文件。
to_html([buf, columns, col_space, header, …])	将DataFrame呈现为HTML表格。
to_json([path_or_buf, orient, date_format, …])	将对象转换为JSON字符串。
to_latex([buf, columns, col_space, header, …])	将对象渲染到表格环境表。
to_msgpack([path_or_buf, encoding])	msgpack（序列化）对象输入文件路径
to_panel()	（DEPRECATED）将长（堆叠）格式（DataFrame）转换为宽（3D，Panel）格式。
to_parquet(fname[, engine, compression])	将DataFrame写入二进制镶木地板格式。
to_period([freq, axis, copy])	使用所需频率将DataFrame从DatetimeIndex转换为PeriodIndex（如果未传递，则从索引推断）
to_pickle(path[, compression, protocol])	Pickle（序列化）对象到文件。
to_records([index, convert_datetime64])	将DataFrame转换为NumPy记录数组。
to_sparse([fill_value, kind])	转换为SparseDataFrame
to_sql(name, con[, schema, if_exists, …])	将存储在DataFrame中的记录写入SQL数据库。
to_stata(fname[, convert_dates, …])	导出Stata二进制dta文件。
to_string([buf, columns, col_space, header, …])	将DataFrame渲染为控制台友好的表格输出。
to_timestamp([freq, how, axis, copy])	在期间开始时转换为时间戳的DatetimeIndex
to_xarray()	从pandas对象返回一个xarray对象。
transform(func, *args, **kwargs)	调用函数生成类似索引的NDFrame并返回带有转换值的NDFrame
transpose(*args, **kwargs)	转置索引和列。
truediv(other[, axis, level, fill_value])	浮动划分数据帧和其他元素（二元运算符truediv）。
truncate([before, after, axis, copy])	在某个索引值之前和之后截断Series或DataFrame。
tshift([periods, freq, axis])	如果可用，使用索引的频率来移动时间索引。
tz_convert(tz[, axis, level, copy])	将tz感知轴转换为目标时区。
tz_localize(tz[, axis, level, copy, ambiguous])	将tz-naive TimeSeries本地化为目标时区。
unstack([level, fill_value])	透视（必要的分层）索引标签的级别，返回具有新级别列标签的DataFrame，其最内层级别由透视索引标签组成。
update(other[, join, overwrite, …])	使用另一个DataFrame中的非NA值进行就地修改。
var([axis, skipna, level, ddof, numeric_only])	在请求的轴上返回无偏差异。
where(cond[, other, inplace, axis, level, …])	返回与self相同形状的对象，其对应的条目来自self，其中cond为True，否则来自其他。
xs(key[, axis, level, drop_level])	返回Series / DataFrame的横截面（行或列）。