分类： Pandas

筛选是在平时的工作中使用非常频繁的功能了，下面介绍一下通过变量来进行筛选过滤的一种方法，具体的逻辑是这样的，先把需要筛选的条件放在一个变量里面，然后通过这个变量来筛选出你所需要的内容。

此函数根据位置返回对象的最后 n 行。它对于快速验证数据很有用，例如，在排序或追加行之后。对于 n 的负值，此函数返回除前 n 行之外的所有行，相当于 df[n:] 。

在使用str.contains()函数带有if做判断的时候，就需要在后面加上.any()才不会报错

df.update()：使用来自另一个DataFrame的非NA值进行适当的修改。注意：它在索引上对齐，没有返回值。下面举个例子来说明一下这个函数的作用：

rank是通过“为各组分配一个平均排名”的方式破坏平级关系的。pandas排名会增加一个排名值（从1开始，一直到数组中有效数据的数量）。

Pandas的apply函数是可以自动根据function遍历每一个数据，然后返回一个数据结构为Series的结果，Pandas 的很多对象都可以使用 apply() 来调用函数，如 Dataframe、Series、分组对象、各种时间序列等。

agg()函数是聚合函数，它可以实现某种统计功能的函数，如果要不同列用求不同统计量，则用字典{‘行名/列名’，‘函数名’}指定。

isnull() 和 notnull()这2个函数是用来检测是否空值，可用于df和series

df.dropna()函数用于删除dataframe数据中的缺失数据，即：删除NaN数据（删除空值）