參考教程：點這裡
目錄
pandas的series和dataFrame
pandas選擇數據
pandas設置值
pandas處理丟失數據NaN
pandas導入導出
pandas數據合並
pandas結合plot繪圖
END
pandas和numpy的關系：numpy是列表,pandas是字典,pandas基於numpy構建.
Series的形式：索引在左邊,值在右邊.沒有為數據指定索引會自動創建0到N-1（N為長度）的整數型索引.
DataFrame是一個表格型的數據結構,每列可以是不同的值類型,既有行索引也有列索引.
取df的“指標1”列：df['指標1']
創建一組沒有給定行標簽和列標簽的數據：pd.DataFrame(np.arange(12).reshape((3,4)))
創建對每一列的數據進行特殊對待的數據：
查看數據類型：df.dtypes
查看索引（行）的序號：df.index
查看每種數據（列）的名：df.columns
查看df的所有值：df.values
查看數據的總結（計數、平均值、最值等）：df.describe()
翻轉數據：df.T
對數據的 index 進行排序：df.sort_index(axis=1, ascending=False)
對數據的 值 進行排序：df.sort_values(by='A')
選擇某列A： df['A'] 或 df.A
選擇0到2多列：df[0:2]
根據標簽選擇1行：df.loc[0] 【選擇索引為0的一行】
選擇所有行（: 代表所有行）：df.loc[:,['A','B']] 【選擇所有行的A、B兩列】
df.loc[3,['A','B']] 【選擇第3行的A、B兩列】
根據位置（索引）進行選擇數據：df.iloc[3,1] 【第3行第1列的數據】
df.iloc[2:3,0:3] 【第2到3行,第0到3列的數據】
df.iloc[[0,3],0:3] 【第0、3行,第0到3列的數據】
通過判斷的篩選：df[df.A==2] 【選擇列A的值為2的行】
利用索引：df.iloc[2,2] = 1111 【修改第2行、 第2列】
利用標簽：df.loc['20190401','B'] = 2222 【修改行‘20190401’、 列‘B’】
根據條件：df.B[df.A>4] = 0 【列A大於4的都改成0】
按行或列：df['F'] = np.nan 【加上新列F,並設值為NaN】
df_original['title_keywords'] = ['' for _ in range(content_num)]
添加數據：df['G'] = pd.Series([1,2,3,4,5,6], index=pd.date_range('20190401',periods=6))
直接去掉有 NaN 的行或列（pd.dropna()）：
將 NaN 的值用其他值代替（pd.fillna()）：df.fillna(value=0) 【全替換成0】
判斷每個值是否是缺失數據：df.isnull()
檢測整個數據表中是否存在 NaN, 如果存在就返回 True：np.any(df.isnull()) == True
pandas可以讀取與存取的格式：csv、excel、json、html、pickle等 【官方文檔】
讀取csv：data = pd.read_csv('student.csv')
將資料存取成pickle：data.to_pickle('student.pickle')
concat縱向合並：res = pd.concat([df1, df2, df3], axis=0) 【可以發現索引沒變】
concat參數之ignore_index (重置 index) ：res = pd.concat([df1, df2, df3], axis=0, ignore_index=True)
concat參數之join (合並方式,默認join='outer') ：res = pd.concat([df1, df2], axis=0, join='outer') 【依照column來做縱向合 並,有相同的column上下合並在一起,其他獨自的column個自成列,原本 沒有值的位置皆以NaN填充.】
concat參數之join (合並方式,改為join='inner') ：res = pd.concat([df1, df2], axis=0, join='inner') 【只有相同的column合並 在一起,其他的會被拋棄】
concat參數之join_axes：【根據df1的行索引來join,下圖2為去掉join_axes】
append只有縱向合並,沒有橫向合並：
df1.append(df2, ignore_index=True) 【將df2合並到df1的下面,重置index】
df1.append([df2, df3], ignore_index=True) 【合並多個df,將df2與df3合並至df1的下面,重置index】
df1.append(s1, ignore_index=True) 【合並series,將s1合並至df1,重置index】
merge用於兩組有key column的數據【樣例數據如下】
依據key1與key2 columns進行合並,並打印出四種結果['left', 'right', 'outer', 'inner']：
merge參數之indicator=True會將合並的記錄放在新的一列
merge參數之indicator=str,自定義列名
根據index合並：res = pd.merge(left, right, left_index=True, right_index=True, how='outer')
merge參數之suffixes解決overlapping（重疊）的問題 【名為K0的有一個1歲男、1個4歲女、1個5歲女】
import matplotlib.pyplot as plt
隨機生成1000個數據,Series 默認的 index 就是從0開始的整數
生成一個1000*4 的DataFrame,並對他們累加
散點圖scatter只有x,y兩個屬性,我們我們就可以分別給x, y指定數據【下圖line1】
再畫一個在同一個ax上面,選擇不一樣的數據列,不同的 color 和 label【下圖line2】
顯示圖片【下圖line3】
