可以把pandas看作是numpy的字典形式
array == Series 一维
array == DataFrame 二维
DataFrame有两种初始化方式：1、利用numpy（可以指定行名称和列名称） 2、利用字典
数组选择：
默认按列索引，
loc按标签索引，
iloc按数字索引
trainset.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]]（切片时可以利用数组进行不连续索引）
ix按标签和数字混合索
利用逻辑索引：df.B[df.A > 0] = 0，A这一列大于0的数赋值为0
df['F']=np.nan 增加F这一列
常用属性：
shape：形状
dtypes：查看各列的类型
index：行名称
columns：列名称
values：所有值
T：转置
常用函数：
describe（）：统计所有数字类型的列的均值、方差、最值等
sort_values(by=列名)按某一列进行排序
dropna（axis=0，how='any'）how的值默认为any，表示该列有人以一个nan即删除整个列，若 选择all，则只有该列全为nan时才删除该列
fillna（value=0）
np.any（df.isnull（））== True 查看是否含有空值
head（）前五个数据
导入导出数据：
read_csv
to_csv
数据合并：
1、DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=None)
ignore_index：默认值为False，如果为True则不使用index标签
2、concat([df1, df2, df3]，axis=0，ignore_index=True，join='inner'，join_axes=[df1.index])
ignore_index：使index重新排序
join：inner只保留相同的部分、outer空白部分用nan填充
join_axes：选择依据的表
(1)pd.concat([df1,df2,df3]),默认axis=0，在0轴上合并
(2) pd.concat([df1,df4],axis=1)在1轴上合并
(3)pd.concat([df1, df4], axis=1, join=‘inner’)采用inner合并，join默认为outer外连接
(4)pd.concat([df1, df4], ignore_index=True)当原来DataFrame的索引没有意义的时候，concat之后可以不需要原来的索引
3、merge（pd1，pd2，on=[列名]，how=） 按列合并
how：left、right、inner（默认）、outer
merge（pd1，pd2，left_index=True，right_index=True，how） 按行合并