数据分析必看！pandas的使用须知

1. pandas是什么?
pandas是基于NumPy的一款开源数据分析和可视化工具,用于数据操作和分析。

2. pandas的两大对象是什么?
pandas的两大对象是Series和DataFrame。

3. Series是什么?
Series是一维数组,与Numpy的ndarray类似。它由值和索引组成。

4.DataFrame是什么?
DataFrame是一个二维的表格型数据结构,包含有序的列和索引。

5. 如何创建Series?
可以使用pandas.Series()函数创建Series,例如:
s = pd.Series([1,2,3])

6. 如何创建DataFrame?
可以使用pandas.DataFrame()函数创建DataFrame,例如:
df = pd.DataFrame([[1, 2, 3], [4, 5, 6]])

7. 如何选取DataFrame中的行列?
可以使用[]运算符选取行或列,例如:
df[0:2]  #选取前两行
df['col1'] #选取col1列

8. groupby是什么?
groupby是pandas中的分组函数,可以将数据分组进行聚合统计。

9. agg是什么?
agg是pandas中的聚合函数,用于groupby分组后的数据聚合。

10. pandas的重采样方法有哪些?
pandas的重采样方法有:
resample - 重采样
asfreq - 根据频率转换时间序列
interpolate - 根据索引进行插值
fillna - 填充缺失数据
dropna - 删除缺失数据 

11. 如何重命名Series和DataFrame?
可以使用.rename()方法重命名,例如:
s.rename('new_name')
df.rename(columns={'col1': 'new_col1', 'col2': 'new_col2'})

12. 如何设置Series和DataFrame的索引?
可以使用.set_index()设置索引,例如:
s.set_index('new_index')
df.set_index('col1')

13. 如何对齐Series和DataFrame? 
可以使用.align()方法对齐,例如:
s1.align(s2)
df1.align(df2)

14. 如何用iloc和loc选取数据?
.iloc按位置选取,.loc按标签选取。例如:
df.iloc[0, 0] # 选取第一行第一列
df.loc['row1', 'col1'] # 选取row1行col1列

15. 如何给Series和DataFrame排序?
可以使用.sort_values()对Series和DataFrame排序,例如:
s.sort_values()
df.sort_values('col1')

16. cut和qcut方法的用途?
cut和qcut用于将连续变量离散化。cut以bin划分,qcut以分位数划分。

17. pandas的缺失值处理方法?
dropna删除缺失值,fillna填充缺失值,interpolate插值填充。

18. pandas的合并方法? 
pandas的合并方法有:
concat - 连接Series、DataFrame
merge - 数据库风格的join
join - 依据索引将行连接

19. pandas的数据规整方法?
数据规整方法有:pivot_table进行数据透视,melt进行列转行,stack进行层叠。

20. .map()和.apply()方法的区别?
.map()用于Series,根据字典或函数对值进行映射。
.apply()既可用于Series也可用于DataFrame,根据函数对每个元素或行列进行计算处理。