普通索引：传入具体索引的名称,常用loc函数。
位置索引：传入具体索引的行数或列数，常用iloc函数。
loc函数主要通过行标签索引行数据，划重点，标签！标签！标签！
iloc 主要是通过行号获取行数据，划重点，序号！序号！序号！

• 选择某一列或某几列
  当传入列名list选择， 当传入列的具体位置，传入第0，3列时，
• 选择连续的某几列
  当传入列名是连续的， 当传入连续的位置时，

• 选择某一行或某几行
  当传入行索引list选择， 当传入行的具体位置，传入第0，3行时，
• 选择连续的某几行
  当传入行索引是连续的， 当传入连续的位置时，

比如我们想在表中筛选年龄大于20的女生的信息：

• 普通索引选择指定的行、列：
• 位置索引选择指定的行、列：
• 布尔索引（选择行）+普通索引选择列：
• 切片索引选择指定的行、列：
• 布尔索引（选择行）+普通索引选择列：
• (不推荐)切片索引（选择行）+普通索引选择列：

数值替换就是将A 换成B，可以用在异常值替换处理、缺失值替换处理中，主要有一对一替换，多对一替换，多对多替换。

• 一对一替换：
• 多对一替换：
• 多对多替换：

• 按照一列数值进行降序吗，默认是True升序：
• 按照有缺失值的列进行排序，可以通过设置na_position参数对缺失值的显示位置进行设置，默认参数值为last
  缺失值放在前面：
• 按照多列数值进行排序,先对列名1进行升序，当列名1遇到重复时，再按照列名2进行降序排列。
  

数值排名和数值排序是相对应的，排名会新增一列，这一列用来存放数据的排名情况，排名是从1开始的。

-rank(ascending,method),ascending说明升降序，method指明待排序值有重复值的处理情况

• average：相同名次的取它们的平均
• first：出现相同的名次会累加，并顺延到下一个排序（常用）
• min/max：出现相同排序时取最小(大)的那个，排名不会连续

• 删除列： 按位置
• 删除行： 按位置
• 删除特定行一般指删除满足某个条件的行，但是在python中我们不满足条件的行筛选出来作为新的数据源。
  删除年龄大于40的行：

数值计数就是计算某个值在一系列数值中出现的次数。

唯一值获取就是把某一系列值删除重复项以后的结果。
思路1：单独取出这一列，并用删除重复项的办法。
思路2：使用unique()，对ID 获取唯一值，

数值查找就是查看数据表中的数据是否包含某个/些值。

• 查看某一列是否包含值：
• 查看整个表是否包含：

区间切分就是将一系列的数值分成若干份，比如现在你有10个人，你要根据这10个人的年龄将他们分成3组，这个过程就是区间切分。python中实现用下面两种方法，当数据分布较均匀，两种方法得到的区间基本一致，当数据分布不均匀时，即方差比较大时，两者得到的区间的偏差就会比较大。

• cut(bins)，bins用来指明切分区间。
• qcut() 不需要事先指明切分区间，只需指明切分个数，即你要把数据切成几份，原则就是尽可能的使每个组里面的数据尽可能相等。

• 插入行
  python 没有专门实现插入行的办法，可以把待插入的行当作一个新的表，然后将两个表在纵轴方向上进行拼接，pd.concat()。
• 插入列
  在特定的位置插入行/列，主要是考虑在哪插入，插入什么，用的insert(位置，插入后新列的列名，插入的数据)
  往表中的第2列插入新的一列，并命名为商品： 或者

添加一列： df[‘列名1’]=0/或者其他默认值
添加多列分为两种情况：

• 一次性添加多列并有数据
• 依次添加列并有数据

类似结果：

df.T即可。

• 宽表换长表：1.stack() 2.melt()
• 长表换宽表：透视表

python中的map()函数是对一个序列中的所有元素执行相同的函数操作。
在DtaFrame中与map()函数类似的有两个：apply(),applymap()，但是两者都需要与匿名函数lambda()结合使用。

• apply()函数主要用于DtaFrame中的某一列/行中的元素执行相同的函数操作。
• applymap()函数用于DtaFrame中的每一个元素执行相同的函数操作。

• 两列四则运算：
• 一列与一个值a：

非空值计算就是计算某一个区域非空（单元格）数值的个数。

使用方式与上面三种类似。

相关性用来衡量两个事物之间的相关程度。