分类： Pandas

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）

pd.merge()可以将两个 DataFrame 或者 Series 进行连接

将某列改为字符串： 把多列改为字符串： 改变整个d…

我们有时候需要将一个DataFrame进行行和列的互换操作，即：行转列和列转行，Pandas 提供了非常便捷的 df.T 操作进行转置。

筛选是我们平时做数据分析时使用非常频繁的功能，pandas库里面除了使用loc和iloc的筛选方法还有其它一些更加高级的方法，例如：isin和str.contains函数。

DataFrame有一个属性为empty，直接用DataFrame.empty判断就行，DataFrame的empty属性返回一个布尔值，表示数据帧是否为空（没有数据）。如果df为空，则 df.empty 返回 True，反之 返回False。

数据分组：使用 groupby() 方法进行分组、group.size()查看分组后每组的数量、group.groups 查看分组情况、group.get_group(“名字”) 根据分组后的名字选择分组数

size()：只返回分组字段的出现次数，说白了就是查看分组后每组的数量。（size 计数时包含 NaN 值）。count()：把每一列的值都返回出现的次数。（ count 不包含 NaN值）

在得到数据后，经常需要对数据进行提取、分析和使用，提取数据过程中难免要对数据进行各种切片操作，根据具体的业务需求筛选出所需的数据，pandas提供了一些方法方便我们选取数据，下面主要讲解dataFrame类型的数据选取，Series类型用法类似，可以参考官方文档进行更细致的探究

groupby 是pandas中一类非常重要的操作是数据聚合与分组运算。通过groupby方法能够实现对数据集的拆分、统计、转换等操作，这个过程一气呵成。