1. Series和DataFrame对象都支持Numpy的数组接口，因此可以直接使用Numpy提供的ufunc函数对它们进行运算。这些函数通常都有三个常用参数：

• axis：指定运算沿着哪个轴进行
• level：如果轴是多级索引MultiIndex，则根据level分组计算
• skipna：运算是否自动跳过NaN

下面的方法使用如下的两个Series和DataFrame:

2. 数值运算类方法：（下面的DataFrame方法对于Series也适用）

• DataFrame.abs()：计算绝对值（只对数值元素进行计算）
• DataFrame.all([axis, bool_only, skipna, level])：返回指定轴上：是否所有元素都为True或者非零。bool_only为True则仅考虑布尔型的数据。
• DataFrame.any([axis, bool_only, skipna, level]) ：返回指定轴上：是否存在某个元素都为True或者非零。bool_only为True则仅考虑布尔型的数据。
• DataFrame.clip([lower, upper, axis]) ：将指定轴上的数据裁剪到[lower,upper]这个闭区间之内。超过upper的值裁剪成upper；小于lower的值裁剪成lower。
• DataFrame.clip_lower(threshold[, axis])：返回一份拷贝，该拷贝是在指定轴上：向下裁剪到threshold
• DataFrame.clip_upper(threshold[, axis])：返回一份拷贝，该拷贝是在指定轴上：向上裁剪到threshold
• DataFrame.prod([axis, skipna, level, ...]) ：计算指定轴上的乘积
• DataFrame.sum([axis, skipna, level, ...])：沿着指定轴，计算样本的和
• DataFrame.cumsum([axis, skipna]) ：计算沿着axis轴的累积和。
• DataFrame.cumprod([axis, skipna]) ：计算沿着axis轴的累积乘积。
• DataFrame.count([axis, level, numeric_only])：计算沿着axis轴，level级索引的非NaN值的数量。如果numeric_only为True，则只考虑数值和布尔类型。

对于Series，只有level一个参数。

• DataFrame.round([decimals]) ：对元素指定小数点位数。decimals可以为一个整数（所有的元素都按照该小数点位数）、一个字典（根据列label指定）

3. 最大最小：（下面的DataFrame方法对于Series也适用）

• DataFrame.max([axis, skipna, level, ...])： 沿着指定轴，计算最大值
• DataFrame.min([axis, skipna, level, ...])： 沿着指定轴，计算最小值
• Series.argmax([axis, skipna, ...])： 计算最大值的索引位置（一个整数值）

pandas 0.20 以后，它返回的不再是索引位置，而是索引 label，等价于 idxmax

• Series.argmin([axis, skipna, ...])： 计算最小值的索引位置（一个整数值）

pandas 0.20 以后，它返回的不再是索引位置，而是索引 label，等价于 idxmin

• Series.idxmax([axis, skipna, ...])： 计算最大值的索引label
• Series.idxmin([axis, skipna, ...])： 计算最小值的索引label
• DataFrame.cummax([axis, skipna]) ：计算沿着axis轴的累积最大值。
• DataFrame.cummin([axis, skipna]) ：计算沿着axis轴的累积最最小值。
• DataFrame.quantile([q, axis, numeric_only, ...])：计算指定轴上样本的百分位数。q为一个浮点数或者一个array-like。每个元素都是 0~1之间。如 0.5代表 50%分位
• DataFrame.rank([axis, method, numeric_only, ...])：计算指定轴上的排名。
• DataFrame.pct_change([periods, fill_method, ...])：计算百分比变化。periods为相隔多少个周期。它计算的是：(s[i+periods]-s[i])/s[i]，注意结果并没有乘以 100。
• Series.nlargest( *args,**kwargs)：计算最大的N个数。参数为：
  • n：最大的多少个数
  • keep：遇到重复值时怎么处理。可以为：'first'/'last'。
• Series.nsmallest( *args,**kwargs)：计算最小的N个数。参数同上。