#执行两次
df.salary.plot(kind='hist')
33.绘制薪资水平密度曲线
df.salary.plot(kind='kde',xlim=(0,80000))
34.删除最后一列...categories
del df['categories']
# 等价于
df.drop(columns=['categories'], inplace=True)
35.将df的第一列与第二列合并为新的一列...df['test'] = df['education']+df['createTime']
df
36.将education列与salary列合并为新的一列
#备注:salary为int类型,操作与...df['col1'].diff().tolist()
93.将col1,col2,clo3三列顺序颠倒
df.ix[:, ::-1]
94.提取第一列位置在1,10,15的数字
df['col1'...、score两列进行计算
df[["salary","score"]].agg([np.sum,np.mean,np.min])
119.对salary求平均,对score列求和
df.agg({"salary