查询行数和列数

data.describe()

查询前3行数据

data.head(3)

打印第几行第几列

data.loc[index,  cloumn_name ]

分组统计 不带行索引

data.groupby( column_1 )[ column_2 ].apply(sum)

去除含有NAN数据行/列

df = df.dropna()  # default: axis=0, how='any' 意思是只要有nan，就删除一行，how='any|all'；若how='all'，则代表当一行全为nan，才会删除。若把axis=0改为1，则代表删除列。

删除数据中重复值

drop_duplicates函数 ：

数据合并：

提供了concat，merge，join和append四种方法用于dataframe的拼接

过滤属性：

filter(items=['列名1','列名2']) 

用正则过滤

data.filter(regex="", axis=1)

iterrows函数用于对DataFrame进行迭代循环

 删除列

pd.pop('列名')

根据字段类型来筛选数据，可以包含或者排除一个或者多个字段类型的数据。

查询包含多列类型的数据

pd.select_dtypes(include=['列名','列名'])

查询不包含多列类型的数据

pd.select_dtypes(exclude=['列名','列名'])

select_dtypes()

查看每列的数据类型

pd.dtypes

 进行比较的一个函数：ge表示greater equal

数据求和

expanding 这是一个窗口函数，实现的是一种类似累计求和的功能

pd.expanding(1).sum()