这一部分主要学习pandas中基于前面两種数据结构的基本操作

设有DataFrame结果的数据a如下所示： 

一、查看数据（查看对象的方法对于Series来说同样适用）

3.describe()函数对于数据的快速统计汇总
a.describe()对烸一列数据进行统计，包括计数均值，std各个分位数等。

即对a中的x这一列从小到大进行排序。注意仅仅是x这一列而上面的按轴进行排序时会对所有的columns进行操作。

1.选择特定列和行的数据
a['x'] 那么将会返回columns为x的列注意这种方式一次只能返回一个列。a.x与a['x']意思一样

取行数据，通过切片[]来选择
如：a[0:3] 则会返回前三行的数据

2.loc是通过标签来选择数据

3.iloc则是直接通过位置来选择数据
a.iloc[1:2,1:2] 则会显示第一行第一列的数据;(切片后面嘚值取不到)

a.iloc[1:2] 即后面表示列的值没有时，默认选取行位置为1的数据;

a.iloc[[0,2],[1,2]] 即可以自由选取行位置和列位置对应的数据。

使用单独的列来选择数据

使用where来选择数据
a[a>0] 表直接选择a中所有大于0的数据

赋值操作在上述选择操作的基础上直接赋值即可

同时也依然可以用条件来直接赋值

在pandas中，使用np.nan来代替缺失值这些值将默认不会包含在计算中。

contact(a1,axis=0/1keys=['xx','xx','xx',...])，其中a1表示要进行进行连接的列表数据,axis=1时表横着对数据进行连接axis=0或不指定时，表将数据竖着进行连接a1中要连接的数据有几个则对应几个keys，设置keys是为了在数据连接以后区分每一个原始a1中的数据

所以可以看到groupby的作用楿当于：
按gender对gender进行分类，对应为数字的列会自动求和而为字符串类型的列则不显示；当然也可以同时groupby(['x1','x2',...])多个字段，其作用与上面类似

七、Categorical按某一列重新编码分类

如六中要对a中的gender进行重新编码分类，将对应的01转化为male，female过程如下：

所以可以看出重新编码后的编码会自动增加到dataframe最后作为一列。

1.a.mean() 默认对每一列的数据求平均值；若加上参数a.mean(1)则对每一行求平均值；

此外如果不指定freq则默认从起始日期开始，频率为day其他频率表示如下：

也可以使用下面的代码来生成多条时间序列图：

写入和读取excel文件
虽然写入excel表时有两种写入xls和csv，但建议少使用csv不然茬表中调整数据格式时，保存时一直询问你是否保存新格式很麻烦。而在读取数据时如果指定了哪一张sheet，则在pycharm又会出现格式不对齐

還有将数据写入表格中时，excel会自动给你在表格最前面增加一个字段对数据行进行编号。