一：Pandas的数据结构分析
Pandas中有两个主要的数据结构，分别是Series和Dataframe
（1）.Series：一维的数据结构，它能保存任何类型的数据，主要由一组数据和相关的索引两部分组成，创建方法：｛Series类对象创建方法：class pandas.Series（data=None,index=None,dtype=None,name=None,copy=False,fastpath=False）；创建Series类对象：ser_obj=pd.Series([1，2，3，4，5])；创建Series类对象并指定索引：ser_obj=pd.Series([1，2，3，4，5])，index=['a','b','c','d','e']；使用dict构建：year_data={2001:17.8，2002:20.1，2003:16.5} ser_obj2=pd.Series(year_data)｝；获取ser_obj的索引：ser_obj.index，获取ser_obj的数据：ser_obj.values，获取位置索引3对应的数据：ser_obj[3]
（2）.Dataframe：二维的、表格型的数据结构，它没列的数据可以是不同的数据类型，创建方法：｛pandas.Dataframe（data=None，index=None，columns=None，dtype=None，copy=False），通过传入数组来创建Dataframe类对象：创建数组demo_arr=np.array([['a'，'b'，'c']，['d'，'e'，'f']])，基于数组创建DataFream对象df_obj=pd.Dataframe(demo_arr)，通过列索引的方法获取一列数据element=df_obj['No2']，查看返回结果的类型type(element)，通过属性获取列数据element=df_obj.No2，查看返回结果的类型type(element)，增加No4一列数据df_obj['No4']=['g'，'h']，删除No3一列数据del df_obj['No3']｝
二、Pandas索引操作及高级索引
Pandas中的索引对象都是index类对象且不可进行修改,(index的子类：Int64Index,MultiIndex,DatatimeIndex)reindex():该方法的作用是对原索引和新索引进行匹配，语法格式如下：Dataframe.reindex(labels=None，index=None，columns=None，axis=None，method=None，copy=True，level=None，fill_value=nan，limit=None，tolerance=None)，使用fill_value参数来指定缺失值ser_obj.reindex(['a'，'b'，'c'，'d'，'e'，'f']，fill_value=6)，Series有关索引的用法类似于NumPy数组的索引，只不过Series的索引值不只是整数。Series切片操作(位置：ser_obj[2:4]，名称：ser_obj['c':'e'])。布尔型索引同样适用于Pandas(创建布尔型Series对象：ser_bool=ser_obj>2，获取结果为True的数据：ser_obj[ser_bool])，Pandas中有两种操作索引的方法来访问数据(1.loc：基于标签索引，2.iloc：基于位置索引)
三、算术运算与数据对齐
Pandas执行算术运算时，没有对齐的位置会用NaN进行补齐，如果不想用NaN填充缺失数据，则可以在调用add方法时提供fill_value参数的值进行补充(执行加法运算，补充缺失值：obj_one.add(obj_two,fill_value=0))
四、数据排序
Pandas中按索引排序使用的是sort_index()方法，该方法可以用行索引或者列索引进行排序(sort_index(axis=0，level=None，ascending=True，inplace=Flase，kind='quicksort'，na_position='last'，sort_remaining=True))，Pandas中用来按值排序的方法为sort_values()，语法格式如下：sort_values(by，axis=0，ascending=True，inplace=Flase，kind='quicksort'，na_position='last')，在Dataframe中，sort_values()方法可以根据一个或多喝列中的值进行排序，但是需要在排序时，将一个或多个列的索引传递给by参数才行(对列索引值为2的数据进行排序：df_obj.sort_values(by=2))
五、统计计算与描述
describe()方法可以一次性输出多个统计指标，语法格式如下：describe(percentiles=None，include=None，exclude=None)
六、层次化索引
Series和Dataframe均可实现层次化索引，最常见的方式是在构造方法的index参数中传入一个嵌套列表，嵌套函数中两个列表的长度必须是保持一致的；还可以通过MultiIndex类的方法构建一个层次化索引(将元组列表转换为MultiIndex:MultiIndex.from_tuples()，将元组列表转换为MultiIndex:MultiIndex.from_arrays()，从多个集合的笛卡尔乘积中创建一个MultiIndex:MultiIndex.from_product())，from_tuples()方法可以将包含若干个元组的列表转换为MultiIndex对象，其中元组第一个元素为外层索引，第二个为内层索引(根据元组列表创建一个MultiIndex对象：multi_index=MultiIndex.from_tuples(tuples=list_tuples，names=['外层索引'，'内层索引']))，from_arrays()方法是将数组列表转换为MUltiIndex对象，其中嵌套的第一个列表作为外层索引，第二个作为内层索引(multi_array=MultiIndex.from_arrays(arrays=[['A'，'B'，'A'，'B'，'B']，['A1'，'A2'，'B1'，'B2'，'B3']]，names=['外层索引'，'内层索引']))，from_product()方法表示从多个集合的笛卡尔乘积中创建一个MultiIndex对象(number=[0，1，2] colors=['green'，'purple'] multi_product=pd.MultiIndex.from_product(iterables=[numbers,colors]，names=['number'，'color']))。在Pandas中，交换分层顺序的操作可以使用swaplevel()方法来完成(交换外层索引与内层索引位置：ser_obj.swaplevel())，要想按照分层索引对数据排列，则可以通过sort_index()方法实现(sort_index(axis=0，level=None，ascending=True，inplace=False，kind='quicksort'，na_position='last'，sort_remaining=True，by=None))
七、读写数据操作
to_csv()方法的功能是将数据写入到csv文件中：to_csv(path_or_buf=None，sep='，'，na_rep=''，float_format=None，columns=None，header=True，index=True，index_label=None，mode='w'，……)；read_csv()函数的作用是将csv文件的数据读取出来，转换成Dataframe对象展示read_csv(filepath_or_buffer，sep='，'，delimiter=None，header=True，names=None，index_col=None，usecols=None，prefix=None，……)；to_excel()方法的功能是将Dataframe对象写入到Excel工作表中to_excel(excel_writer，sheet_name='Sheet1'，na_rep="，float_format=None，columns=None，header=True，index=True，……)；read_excel()函数的作用是将Excel中的数据读取出来，转换成Dataframe展示pandas.read_excel(io，sheet_name=0,header=0,names=None，index_col=None，**kwds)；对于网页中的表格，可以使用read_html()函数进行读取，并返回一个包含多个Dataframe对象的列表pandas.read_html(io，match='.+'，flavor=None,header=None，index_col=None，skiprows=None，attrs=None)；read_sql()函数既可以读取整张数据表，又可以执行SQL语句pandas.read_sql(sql，con，index_col=None，coerce_float=True，params=None，parse_datas=None，columns=None，chunksize=None)；to_sql()方法的功能是将Series或Dataframe对象及数据表的形式写入到数据库中to_sql(name，con，schema=None，if_exists='fail'，index=True，index_label=None，chunksize=None，dtype=None)
