学习网址：kaggle
注：本文仅为个人总结，不作为任何学习资料
一、在pandas里有两种Core objects：DataFrame和Series
DataFrame的使用方法：
DataFrame有两个方向，纵向为index,横向为column
定义一个DataFrame的时候可以将Column和数据放在一起定义，也可以将数据和Column分开写，但是index是需要分开的
例1：

import pandas as pd
a=pd.DataFrame({'apple':[1,2,3],'banana':[4,5,6]},
                   index=['price','num','quality'])

这样定义出来的a形如：

	apple	banana
price	1	4
num	2	5
quality	3	6

例2：

import panda as pd
a=pd.DataFrame([[1,4],[2,5],[3,6]],
               columns=['apple','banana'],
                index=['price','num','quality'])

这样做出来的表和上面一样的
例1中定义出来的apple对应Column的第一列，而1，2，3为这一列上的数据值；例2中的数据是按照行来一行一行声明的。
Series和DataFrame定义方法类似，唯一不同的是，Series类似于python中的list，下面来看一下其定义方法：
例1：

a=pd.Series({'apple':1,'banana':2})

结果如下所示：

例2：

a=pd.Series([1,2],index=['apple','banana'])

二、接下来是数据的选择，索引(?)
主要介绍的是loc和iloc
iloc只能用python形式的索引来索引即数据索引，并且使用0:9索引的时候返回的0~8，而loc索引时返回的是0 ~9，原因在kaggle课程里有详细讲解
loc介绍：
使用loc的时候是[a,b]其中a是index,而b是column

也可以不加b，单独用a:

iloc介绍：
iloc和loc基本相同，差别在于iloc的第二个参数不能用字符串只能用数据进行索引：

三、下面是一些数据处理涉及到的函数
使用describe函数描述序列的很多内容，比如说最大值、均值等，使用mean()可以返回均值，使用value_counts()返回各个数据的出现次数，unique()返回去重结果，median()返回中位数，idxmax()返回最大值对应的索引。

下面是map函数和apply函数的介绍：
map函数和apply函数中
map函数仅适用于Series，apply函数用于DataFrame上
举例:
map函数中括号内调用的参数为一个函数，这有点类似于sort函数的comp，而该函数可以是匿名函数，也可以是实在函数，在下面的例子中reviews是一个DataFrame类型的变量
例1：

a=reviews.points.map(
           lambda p: p-reviews.points.mean()
           )

例2：

def yh(a):
    if(a==0):
        return 1
    else:
        return 0
       
a=reviews.points.map(yh)

结果：

而对于apply函数，第二个参数可以选择’columns’或者是’index’，选择’columns’的时候传入函数的参数是一行，而选择’index’的时候传入函数的参数是一列
下面以’columns’参数为例来说明apply函数的用法
我之前认为apply函数只能作用于DataFrame,但事实上他也可以返回值，从而形成一个Series序列

例1：返回Series序列

例2：作用于DataFrame