Python pandas 使用最完整的组织

1、对复合多个条件的数据进行分组标记

2、按索引提取区域行数值

3、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用：

4、按城市对id字段进行计数

5、数据表合并

6、对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size

7、写入到CSV

8、重设索引

9、使用“非”条件进行筛选

10、每一列数据的格式：

11、写入Excel

12、用pandas创建数据表：

13、提取4日之前的所有数据

14、对筛选后的数据按city列进行计数

15、使用ix按索引标签和位置混合提取数据

16、采样后放回

17、对city字段进行汇总，并分别计算prince的合计和均值

18、更改数据格式：

19、使用iloc按位置区域提取数据

20、判断city列的值是否为北京

21、两个字段的相关性分析

22、使用“与”进行筛选

23、数据表描述性统计

24、按照索引列排序：

25、按照特定列的值排序：

26、如果prince列的值>group列显示high，否则显示low：

27、更改列名称：

28、清楚city字段的字符空格：

29、查看某一列空值：

30、手动设置采样权重

31、查看列名称：

32、计算列的标准差

33、对所有的列进行计数汇总

34、数据表基本信息（维度、列名称、数据格式、所占空间等）：

35、某一列格式：

36、查看数据表的值：

37、空值：

38、查看前10行数据、后10行数据：

39、适应iloc按位置单独提起数据

40、导入CSV或者xlsx文件：

41、设置日期为索引

42、数据表的相关性分析

43、维度查看：

44、数据替换：

45、数据表中所有字段间的协方差

46、按索引提取单行的数值

47、判断city列里是否包含beijing和shanghai，然后将符合条件的数据提取出来

48、大小写转换：

49、删除后出现的重复值：

50、使用列prince的均值对NA进行填充：

51、简单的数据采样

52、设置索引列

53、提取前三个字符，并生成数据表

54、对两个字段进行汇总计数

55、对筛选后的结果按prince进行求和

56、采样后不放回

57、将完成分裂后的数据表和原df_inner数据表进行匹配

58、使用query函数进行筛选

59、用数字0填充空值：

60、查看某一列的唯一值：

61、计算两个字段间的协方差

62、使用“或”进行筛选

63、删除先出现的重复值：