怎样删除list中空字符？
最简单的方法：new_list = [ x for x in li if x != \'\' ]
这一部分主要学习pandas中基于前面两种数据结构的基本操作。
设有DataFrame结果的数据a如下所示： a b c one 4 1 1 two 6 2 0 three 6 1 6 一、查看数据（查看对象的方法对于Series来说同样适用）1.查看DataFrame前xx行或后xx行
a=DataFrame(data);
a.head(6)表示显示前6行数据，若head()中不带参数则会显示全部数据。
a.tail(6)表示显示后6行数据，若tail()中不带参数则也会显示全部数据。
2.查看DataFrame的index，columns以及values
a.index ; a.columns ; a.values 即可
3.describe()函数对于数据的快速统计汇总
a.describe()对每一列数据进行统计，包括计数，均值，std，各个分位数等。
4.对数据的转置
a.T
5.对轴进行排序
a.sort_index(axis=1,ascending=False)；
其中axis=1表示对所有的columns进行排序，下面的数也跟着发生移动。后面的ascending=False表示按降序排列，参数缺失时默认升序。
6.对DataFrame中的值排序
a.sort(columns=\'x\')
即对a中的x这一列，从小到大进行排序。注意仅仅是x这一列，而上面的按轴进行排序时会对所有的columns进行操作。
1.选择特定列和行的数据
a[\'x\'] 那么将会返回columns为x的列，注意这种方式一次只能返回一个列。a.x与a[\'x\']意思一样。
取行数据，通过切片[]来选择
如：a[0:3] 则会返回前三行的数据。
2.loc是通过标签来选择数据
a.loc[\'one\']则会默认表示选取行为\'one\'的行；
a.loc[:,[\'a\',\'b\'] ] 表示选取所有的行以及columns为a,b的列；
a.loc[[\'one\',\'two\'],[\'a\',\'b\']] 表示选取\'one\'和\'two\'这两行以及columns为a,b的列；
a.loc[\'one\',\'a\']与a.loc[[\'one\'],[\'a\']]作用是一样的，不过前者只显示对应的值，而后者会显示对应的行和列标签。
3.iloc则是直接通过位置来选择数据
这与通过标签选择类似
a.iloc[1:2,1:2] 则会显示第一行第一列的数据;(切片后面的值取不到)
a.iloc[1:2] 即后面表示列的值没有时，默认选取行位置为1的数据;
a.iloc[[0,2],[1,2]] 即可以自由选取行位置，和列位置对应的数据。
4.使用条件来选择
使用单独的列来选择数据
a[a.c>0] 表示选择c列中大于0的数据
使用where来选择数据
a[a>0] 表直接选择a中所有大于0的数据
使用isin()选出特定列中包含特定值的行
a1=a.copy()
a1[a1[\'one\'].isin([\'2\',\'3\'])] 表显示满足条件：列one中的值包含\'2\',\'3\'的所有行。
赋值操作在上述选择操作的基础上直接赋值即可。
例a.loc[:,[\'a\',\'c\']]=9 即将a和c列的所有行中的值设置为9
a.iloc[:,[1,3]]=9 也表示将a和c列的所有行中的值设置为9
同时也依然可以用条件来直接赋值
a[a>0]=-a 表示将a中所有大于0的数转化为负值
在pandas中，使用np.nan来代替缺失值，这些值将默认不会包含在计算中。
1.reindex()方法
用来对指定轴上的索引进行改变/增加/删除操作，这将返回原始数据的一个拷贝。
a.reindex(index=list(a.index)+[\'five\'],columns=list(a.columns)+[\'d\'])
a.reindex(index=[\'one\',\'five\'],columns=list(a.columns)+[\'d\'])
即用index=[]表示对index进行操作，columns表对列进行操作。
2.对缺失值进行填充
a.fillna(value=x)
表示用值为x的数来对缺失值进行填充
3.去掉包含缺失值的行
a.dropna(how=\'any\')
表示去掉所有包含缺失值的行
1.contact
contact(a1,axis=0/1，keys=[\'xx\',\'xx\',\'xx\',...])，其中a1表示要进行进行连接的列表数据,axis=1时表横着对数据进行连接。axis=0或不指定时，表将数据竖着进行连接。a1中要连接的数据有几个则对应几个keys，设置keys是为了在数据连接以后区分每一个原始a1中的数据。
例：a1=[b[\'a\'],b[\'c\']]
result=pd.concat(a1,axis=1，keys=[\'1\',\'2\'])
2.Append 将一行或多行数据连接到一个DataFrame上
a.append(a[2:],ignore_index=True)
表示将a中的第三行以后的数据全部添加到a中，若不指定ignore_index参数，则会把添加的数据的index保留下来，若ignore_index=Ture则会对所有的行重新自动建立索引。
3.merge类似于SQL中的join
设a1,a2为两个dataframe,二者中存在相同的键值，两个对象连接的方式有下面几种：
(1)内连接，pd.merge(a1, a2, on=\'key\')
(2)左连接，pd.merge(a1, a2, on=\'key\', how=\'left\')
(3)右连接，pd.merge(a1, a2, on=\'key\', how=\'right\')
(4)外连接， pd.merge(a1, a2, on=\'key\', how=\'outer\')
至于四者的具体差别，具体学习参考sql中相应的语法。
用pd.date_range函数生成连续指定天数的的日期
pd.date_range(\'20000101\',periods=10)