本节主要是将pandas处理数据的基本内容，为后面的内容打好基础。
本文大致可以分为探索性分析，数据集如何拆分，数据如何筛选，如何运用符等
import pandas as pd DF = pd.Dataframe(xxxx) # 我只是想告诉你Dataframe被简化为DF，后文简称DF [Dog.jpg]探索DF整体
这里主要是看数据集里的整体部分，当你拿到数据集后应该是先对数据集的整体进行一个观察和探索
看数据的前几行就用head（）
观察每列的信息用info（）
DF的数据大小用shape
描述性统计每列用describe（）
！值得注意的是，df.shape 后面没有括号！
------------------------------手动分割------------------------------ 探索DF细节这里是要告诉你可以用如下的methods去看看df里面
values 就是生成一个二维的numpy数组
columns 查看每列的名称
index 可以查看每行的行名称
------------------------------手动分割------------------------------ 行排序sort.values里面如果需要降序需要用到 ascending，默认是True（升序），ascending = False就是降序了
注意：sort_values()是小括号不是中括号，如果选择的是一列直接用引号，多列就要把这些列再用中括号框起来。
如果有要求说，先对x1列进行升序排列，再按x2列进行降序排列，用一行写出来，那就是：
df.sort_values(["x1", "x2"], ascending=[True, False])------------------------------手动分割------------------------------ 选取对自己有用的 列
这里就是分别列举了取一列和多列之间的区别
------------------------------手动分割------------------------------ 选取对自己有用的 行总得来说 行列的区别其实就是一个是特征维度，一个是在该特征下的数值。所以选取行不仅要将列选出来，也要给予特定的条件让python去选取行，为什么这么选
多条件筛选的话记得用 & 作为连接，用&说明的是两个条件都需要满足，是交集。不同的条件需要用（）括起来表示这个为其中一个筛选条件
------------------------------手动分割------------------------------ 行处理相关的操作符Subsetting rows by categorical variables
用 ” | “ 代表or，表示条件 ”或者“，这表示满足其中一个条件即可，为并集。
isin()的含义就是字面上的意思：is in。表示在这个数据里面，包含了什么什么，要筛选出来。
比如下面的代码和结果。代码将根据列表‘canu’去找在‘state’列下包含列表中的内容。
这里值的注意的是isin()里面是一个列表
# The Mojave Desert states canu = ["California", "Arizona", "Nevada", "Utah"] # Filter for rows in the Mojave Desert states mojave_homelessness = homelessness[homelessness['state'].isin(canu)] # See the result print(mojave_homelessness)------------------------------手动分割------------------------------ 添加新的列
# 固定搭配 df['new_column'] = xxxxx
添加新的列就直接在df后面框起来写上列的名字就完成一半了，等号后面一般可以接一下其他筛选条件和计算条件。
Reference学习网站：datacamp
链接地址：https://campus.datacamp.com/
