运算
print(ser01[ser01>=2])#注意输出值用中括号括起来
print(ser01>=2)
ser01+10
np.exp(ser01)
np.fabs(ser01)#绝对值
缺失值处理...默认为列获取,如果获取行可用pd.loc()
df02['apart']
#列增加
df02['address']=['北京','shanghai','shuangzhou','shenzhen'...describe()
df1=df02.dropna(axis=1)
df02.quantile(0.25)#计算样本分位(0到1)
df02.median()#中位数
df02.pct_change()#计算百分比变化...直观反应两组数据的相关程度分别为cov,corr
df2=DataFrame({
"gdp":[2,4,6],
"chukou":[3,2,1]
})
df2.cov()
df2.corr()
唯一值...,值计数,成员资格
唯一值unique,值计数value_counts,成员资格isin(等于用没里面的元素来过滤)
df3=Series([12,13,14,15,13,13,12,11,14])