pandas是数据结构与数据分析工具 补：NAN not a number 表示一些特殊数值 作用：数据处理时，在实际工程中经常数据的缺失或者不完整，将缺失值设为NAN，
df = pd.read_csv(文件路径，delimiter = ‘,’,encoding = ‘utf8’,header=0)
df.to_csv(路径，columns=[],index=False,header=True) columns表示列， index=False表示忽略索引信息， index =True表示需要同时保存索引信息（输出文件的第一列保存索引值）
行的选取： row = df[0:3]选择0-2行 列的选取：cols = df.[[’’,’’]]列的名称 cols.head()用于显示数据框中前五行数据 块的选取： df.ix[0:3,[’’,’’]]选取列表名的0-2行
df[‘金额’] = df[‘单价’]* df[‘数量’]
df1 = df.set_index(’’) df1 =df1.sort_index()
df.info 查看表的描述性统计信息：df.describe()
group = df[‘lie1’].groupby(df[‘lie2’]) 按lie2分组，访问lie1的值
df1 = df[0:3][[‘lie1’,‘lie2’]]表示提取lie1和lie2中0-2行
pa.merge(df1,df2)不指定列名，默认选择列名相同的列 pd.merge(df1,df2,on = ‘lie1’)指定列名，选择lie1 外连接表示将两个表合并时，使用所有的列，不存在的补上NaN pd.merge(df1,df2,how=‘outer’) 内连接表示将两个表连接时，相当于填补具有相同第一列的后续值 pd.merge(df1,df2,how=‘inter’) 左连接表示补充df1中缺少的存在于df2中的列 pd.merge(df1,df2,how=‘left’) 右连接表示补充df2中缺少的存在于df1中的列 pd.merge(df1,df2,how=‘right’) 不涉及补充，左右合并起来 pd.merge(df1,df2,left_index=True,right_index=True) 同df1.join(df2)
产看是否有缺失值： df.isnull() False表示没有,True表示有 df.dropna(axis=0)删除行，凡是有NaN的行均删除 使用字符代替缺失值
代码含义df.fillna(‘missing’)使用前一个数据代替NaNdf.fillna(method=‘pad’)使用后一个数据代替NaNdf.fillna(method=‘bfill’,limit= )limit限制每列可以代替的NaN的数目df.fillna(df.mean())使用平均值代替duplicated()返回一个bool行series，用以判断某行是否为重复行 duplicated().value_counts()用来返回重复的行数 drop_duplicates方法返回一个删除了重复行的DataFrame
axis轴 import matplotlib as mpl import matplotlib.pyplot as plt plt.title(’’)设置标题 plt.plot(x,y)绘制点 plt.xlabel(’’)横坐标的名 plt.ylabel(’’)纵坐标名 plt.show()显示 subplot()在同一张图上绘制不同的东西 建立subplot网格，高为2，宽为1 激活第一个subplot plt.subplot(2,1,1) 绘制 plt.plot(x,y)
plt.abr()生成条形图 相关参数： plt.bar(x,y,color,align=‘center’)
matplotlib动态图subplots()与subplot()的不同及其参数 fig,ax = subplots(nrows,ncols,sharex,sharey,squeeze,subplot_kw,gridspec_kw,** fig_kw) nrow和ncol表示将画布分割成几行几列 sharex和sharey表示坐标轴的属性是否相同，可选的参数：True,False,row,col,默认为False表示画布中的四个ax是相互独立的
