【数据的筛选】
1.转至
表名称.T，可将表格快速的转至
2.排序
【values】函数
方法1：排序的依据by="排序依据"
方法2：通过数组也可以进行排序
df.avg.sort_values()
二者区别是，如果用数组调，返回的是数组，在数据框里面调直接返回的是数据框。
ascending=False改变排序升序为降序
对字段进行排序：直接把条件加入
列出的表不是根据实际的中文顺序进行的，介意的话需建另一张表格进行调整。
【index】按照索引的排序
【rank】函数
默认顺序为升序排列，添加ascending参数改为降序
method参数默认为加权平均，改为“min”直接用排序第一个，符合现实使用的习惯。改为“first”则排序不考虑并列情况直接按照顺序来进行。
3.查找重复
直接可查出有多少个唯一值
加个count可直接查找出合计数量
4.描述性统计
5.累计累加
6.分段统计
使用更加适合分段统计的cut函数
=pd.cut（df.avg.bins=5） 系统自动分割成5部分
也可以自定义区间，然后命名
常用于用户分级、消费水平分割等使用场景
7.分位法进行分割统计
分位法函数：.qcut（）
x具体的内容例如df.avg
q排名几等分
retbins是否包含开区间闭区间
precision分割出来的精度
duplicates是否要进行些去重操作
【数据的聚合】
聚合函数：mysql不支持分组排名，则可用此函数groupby
通过for循环可把分组内容打印出来进行查看
【多表关联】
三种关联方法
1.merge根据键值，对的是某一列
同名去重不同名保留
附加：
修改表的字段名称可用rename（）函数
也可把行名提取出来，然后从0开始查其位置进行更改，再赋值的方法（一般用于只改一个，比较简单）
col=list（df.columns）
col[0]='all'
df.columns=col
2.join针对索引进行
针对的是固定的索引例如日期
3.concat堆叠，对应的是对象
两张表格上下放一起，“暴力组合”
之间是上下拼接，增加函数 .axis=1 进行左右拼接，对不上的默认为空值。
应用场景：例如1~12月份相同字段的销售统计的拼接汇总等。
【多重索引】
方法1：可用切片
方法2：数据框类型的
不借助groupby进行设置多重索引的方法：set_index
把列变成索引进行排序，输出可达到整理在一起的效果
反过来把索引变成列，增加函数reset_index（）即可
这时后面可直接[]去引用。
【pandas里面预处理函数---文本函数】
需求：想把表格内某一列带方括号的字段去掉方括号。
思路1：直接进行左右两边切掉（不成功，因为操作是针对数组进行的，是针对索引的切片）
思路2：调用 .str（）（可行）
例如：.str.count统计字符串出现的次数
.str.find（“数据”）从哪个位置开始统计
.str都是针对值里面的字符串进行的操作
需求：继续把单引号排除
思路1：用空值替换单引号（不可行）
因为replace针对的是表格内具体的某一值进行替换，所以，上面对表格内字段进行替换并没有成功。
思路2：增加.str （可行）
【空值&去重】
1.空值
对表赋予空值，及对空值进行再赋值
2.删除重复元素
去重方法1：
去重方法2：相对更简单
未完待续~~~~~~
