Pandas 操作数据（三）
一、汇总和计算统计
1、mean(）平均值 ，默认skipna=True 是不计算空值NaN;
2、sum() 求和，idxmax() 求最大值索引值,依此类推idxmin()类似
3、describe() 针对 Series 或 DF 的列计算汇总统计
4、其他统计方法，min(),max(),mean(),median(),std(),var(),kurt()等等
5、cumsum()累计和
二、数据处理
1.1、使用s1=pd.Series()， 过滤空值s1.dropna();不是空值s1.notnull();获取不是空值的值;
1.2、使用df=pd.DataFrame()。在默认情况下，按照 axis=0 来按行处理过滤空值df.dropna();
2、fillna() 常数填充空值
fillna() 插值填充空值
fillna() 均值填充空值
向上->参数值method='ffill'
向下->参数值method='bfill'
向上->参数值method='ffill' ,限制次数limit=1
3、去重复duplicated()
删除重复的drop_duplicated()
三、字符串 str
四、分组聚合
对分组数据进行聚合、转换，或者过滤
- 拆分（Spliting）：表示对数据进行分组；
- 应用（Applying）：对分组数据应用聚合函数，进行相应计算；
- 合并（Combining）：最后汇总计算结果。
groupby语法：
参数说明：
group by 与聚合函数一起使用
1、2、 创建groupby分组对象
使用 groupby() 可以沿着任意轴分组。您可以把分组时指定的键（key）作为每组的组名，
方法如下所示：
- df.groupby("key")
- df.groupby("key",axis=1)
- df.groupby(["key1","key2"])
2、 查看分组结果
应用聚合函数
通过 agg() 函数可以对分组对象应用多个聚合函数：
组的数据过滤操作
通过 filter() 函数可以实现数据的筛选，该函数根据定义的条件过滤数据并返回一个新的数据集。
五、透视表
1、透视表是一种可以对数据动态排布并且分类汇总的表格格式
2、为何使用pivot_table
- 灵活性高，可以随意定制你的分析计算要求
- 清晰易于理解数据
- 操作性强，报表神器
3、使用透视图：
