# skipna参数：是否忽略NaN，默认True，如False，有NaN的列统计结果仍未NaN
# 可以通过索引单独统计一列
df = pd.DataFrame({\'key1\':np.arange(10),
\'key2\':np.random.rand(10)*10})
print(df)
print(\'-----\')
print(df.count(),\'→ count统计非Na值的数量\n\')
print(df.min(),\'→ min统计最小值\n\',df[\'key2\'].max(),\'→ max统计最大值\n\')
print(df.quantile(q=0.75),\'→ quantile统计分位数，参数q确定位置\n\')
print(df.sum(),\'→ sum求和\n\')
print(df.mean(),\'→ mean求平均值\n\')
print(df.median(),\'→ median求算数中位数，50%分位数\n\')
print(df.std(),\'\n\',df.var(),\'→ std,var分别求标准差，方差\n\')
print(df.skew(),\'→ skew样本的偏度\n\')
print(df.kurt(),\'→ kurt样本的峰度\n\')
# 主要数学计算方法，可用于Series和DataFrame（2）
df[\'key1\'].cumsum() 单列的累计和
df[\'key1\'].cumprod() 单列累计积
print(df.cummax(),\'\n\',df.cummin(),\'→ cummax,cummin分别求累计最大值，累计最小值\n\')
# 唯一值：.unique()
解决问题：colums 中有重复的值，两个一样的列，那么取到唯一 个 重新整理成为一个DataFrame表格
## 值计数：.value_counts()
解决问题: 得到该数据 出现的频率次数 a:2 b 3 生成一个新的 Series 括号内可写排序：sort = False or True
# 成员资格：.isin()
解决问题： 一个DataFrame 显示数据，我就想知道 里面有没有我指定的一个 50 有就是对应位置显示 True，没有就是False
《《------------------------------------------------------------------------------------------------------》》
pandas 文本数据处理
一般处理 ：
1.自动排除为np的值 NaN
2.查看指定 文本数据字符的个数 .str.count()
3.修改大小写 .str.upper() .str.lower()
4.字符长度 .str.leng()
5.开始字符是哪一个 .str.startwith(\'\')
6.结束字符是哪一个 .str.endwith(\'\')
print(s.str.lower(),\'→ lower小写\n\')
print(s.str.upper(),\'→ upper大写\n\')
print(s.str.len(),\'→ len字符长度\n\')
print(s.str.startswith(\'b\'),\'→ 判断起始是否为a\n\')
print(s.str.endswith(\'3\'),\'→ 判断结束是否为3\n\')
df.columns.str.upper() 修改数据列
去空格
print(s.str.strip()) # 去除字符串中的空格
print(s.str.lstrip()) # 去除字符串中的左空格
print(s.str.rstrip()) # 去除字符串中的右空格
替换字符中的空格
str.replace(\' \',\'\'，n=1) 把空格替换为 空字符
不写第三个参数 ，那么就是 全部替换 ，写了就是指定替换几个
# 字符串常用方法（4） - split、rsplit
print(s.str.split(\',\').str[0])
print(s.str.split(\',\').str.get(1))
# 可以使用get或[]符号访问拆分列表中的元素
# 可以使用expand可以轻松扩展此操作以返回DataFrame
# n参数限制分割数
# rsplit类似于split，反向工作，即从字符串的末尾到字符串的开头
print(s.str.split(\',\', expand=True))
print(s.str.split(\',\', expand=True, n = 1))
print(s.str.rsplit(\',\', expand=True, n = 1))
# 字符串索引
print(s.str[0]) # 取第一个字符串
print(s.str[:2]) # 取前两个字符串
print(df[\'key2\'].str[0])
# str之后和字符串本身索引方式相同
DataFrame 合并
.merge（data1,data2,on=\'key\'） 根据key列为索引合并，看下两个是否共有 一样的key ，有就保留
@合并有有一个 分类 ： 交集 和 并集 how=\'\' /inner、outer 、left、right
交集：解释就是 原有的数据合并没有对应上，那么就会不要，只保留 共有的
并集：解释就是 合并后不管你有没有，都会保留，只不过有的就是 保留原有数据，没有的 NaN
然后就是 设置参考键： on=‘’ 设置根据on里面的值，两两对比，如果一样就合并