一般这两个东西相互配合使用 

pd.Series 

 

 

 

 若没有给定行和列的话，就会自动给0，1，2，3，4

 

 

describe=  只能描述数字，不可以描述字符串 

 

ascending=false：倒序 

 

 

 一般的截取方式

特定的选取方式 

 

有这三种挑选方式 

 

 一些改变某些值的方法

 

 df.dropna=丢掉有nan的东西

axis = 指定是丢掉行还是丢掉列

若how = ‘any’，就说明只要这一行/列有nan，就丢掉

若how = ‘all’，就说明只有这一行/列都有nan，才丢掉

df.fillna = 填充nan值，把nan改为value的值，这里的意思就是把值为nan变成值为0 

df.isnull = 看是否有nan，若有nan，则那个位置是True，若没有缺失数据，则不为nan，则返回False 

np.any(df.isnull()) == true  :若有一个及以上的True，则返回True，就说明起码有一个nan在表格当中，用于大规模数据的排查。 

 ignore_index = True = 忽略原来的序号排列，重新排列

outer:补齐，如果a有，b没有，合并的时候，补齐，用nan补齐 ，如果b有，a没有，合并的时候，补齐，用nan补齐 

 

inner：最后只保留两者共有的部分，其他的都不要 

join_axes = 只考虑df1.index 的序号排列，以df1为准

若df1有的，df2没有，则合并的时候，用nan补充，

若df1没有的，df2有，则合并的时候，舍去 

听说这个方法新版本已经舍弃了？