pandas也是一个非常强大的库，所以我也只是总结了我用到的方法。
pandas常用的数据类型：1、Series 一维 带标签的数组（标签就是索引）2、DataFrame 二维 Series的容器
Series：
通过列表创建Series：
索引可以指定，默认从0开始：
通过字典创建Series：可以通过astype修改类型
取值：
可以将条件和value、index配合使用：
pandas读取外部数据：
read_csv:读取CSV文件
read_excel:读取excel文件
其他文件类似
DataFrame
通过列表创建：
通过数组创建：
通过字典创建：
DataFrame的基础属性：
shape ：行数 列数
dtypes：列数据类型
ndim：数据维度
index：行索引
columns：列索引
values：对象值
DataFrame的方法：
head(n):显示头n行。默认是前5行
tail(n)：显示尾n行。
info()：行数，列数，列索引，列非空值个数，列类型，内存占用
describe()：计数 均值 标准差 最大值 四分位数 最小值
DataFrame排序：sort_values()。通过设置by来确定排序的key。设置ascending确定升序or降序。
DataFrame的取值：
方括号写数字，表示取行。对行进行操作。根据实际情况写
对列进行操作：
配合使用：
loc：DataFrame通过标签索引获取行数据
根据多个索引取多个对应的值：
iloc：DataFrame通过位置获取列数据。与ioc类似，只是将索引换成数字。
数组合并：
1、join 按行索引合并
2、merge按列索引进行合并 on指定按哪一列合并 how：合并方式 inner(交集，默认) outer(并集) left(左边为准，NaN补全) right(右边为准，NaN补全)
如果列索引不同。可以left_on和right_on指定左边、右边DataFrame的合并列。
另一种写法：
分组:groupby(by) by:通过什么分组，可以设置多个条件分组
聚合：count 计算数量
sum 求和
mean 求平均值
median 求中位数
std、var 求标准差和方差
min、max 求最大和最小值
DataFrame的索引和复合索引：
简单的索引操作：
获取index：df.index
指定index：df.index=[“”,””]
同理可得指定columns：df.columns=[“ “,” “]
重新设置index：df.reindex()
指定某一列成为index：df.set_index()。drop决定是否保留设定的列
可以设定多个列成为index：
返回index的唯一值：df.set_index().index.unique()
时间序列：date_range(start,end,period,freq) 生成一段时间范围。start和end表示范围，periods表示个数，freq表示频率(年、月、天)
频率类型：
时间段：PeriodIndex
重采样resample：指的是将时间序列从一个频率转化为另一个频率进行处理的过程。将高频率数据转化为低频率数据为降采样。低频率数据转化为高频率为升采样。
判断数据是否为NaN：
pd.isnull() pd.notfull()
在DataFrame中对缺失数据（NaN）的处理：
方式1：删除NaN所在的行列dropna(axis,how,inplace):how=”any”时一行(列)里有一个为nan就删。how=”all”时，一行全部为nan时才删。inplace为True，原地修改。False为False，不修改。
方式2：填充数据，fillna()
处理为0的数据：t[t==0]=np.nan
计算平均值时：nan不参与计算，0参与
