一. 資料的合併
1.資料合併主要包括下面兩種操作：
軸向連線（concatenation）：pd.concat()可以沿乙個軸將多個dataframe物件連線在一起，形成乙個新的dataframe物件。
融合（merging）：pd.merge()方法可以根據乙個或多個鍵將不同dataframe中的行連線起來。
2.concat:
pd.concat([df1,df2],axis=0,join='outer',ignore_index=true) 如果兩個表的index都沒有實際含義，使用ignore_index引數，置true，重新整理乙個新的index。
3.merge:
merge(left, right, how='inner', on=none)
二.資料的篩選
1.篩選某一列資料大於100, bools記錄了每一行是否符合篩選條件，是乙個series物件，其中的值是bool型別。
2.多個條件並集篩選, 且& 或 |
三.資料的排序
1.使用sort_index()、sort_values()兩個方法對資料進行排序，並且這兩個方法series和dataframe都支援。
dataframe的sort_index( )方法是按照行索引進行排序，sort_values()可以指定具體列進行排序。
2.read_excel()中的引數index_col='country code'作用是在讀取檔案的時候指定country code這一列資料為行索引。
inplace=true引數和我們之前見過的作用一樣，用來控制是否直接對原始資料進行修改。
ascending可以控制排序的順序，預設值為true從小到大排列，當它被設定為false的時候就可以實現倒序排列。
3.sort_values():
by:決定了是按資料中的哪一列進行排序，將需要按照某列排序的列名賦值給by即可。
ascending=false:將資料按照從大到小的順序排列。
inplace=true:用來控制是否直接對原始資料進行修改。
四.總結
五. 資料的分組
1.按某一列分組
groups = df.groupby('xx')
2.用groupby的size方法可以檢視分組後每組的數量，並返回乙個含有分組大小的series
print(groups.size())
3.檢視分組group.groups的結果是乙個字典，字典的key是分組後每個組的名字，對應的值是分組後的資料
4.group.get_group('f')這個方法可以根據具體分組的名字獲取，每個組的資料。
5.獲取'f'組的最大年紀，最小年紀以及平均年齡
7.根據多個列分組group=df.groupby(['country','gender'])
8.group.size()返回的結果中發現索引值是多層的，獲取多層索引值:
df1 = group.size()
size = df1['austria']['f']
9.分組後資料的統計
003 理解資料分析過程
第 1 步 提問 你要麼獲取一批資料，然後根據它提問，要麼先提問，然後根據問題收集資料。在這兩種情況下，好的問題可以幫助你將精力集中在資料的相關部分，並幫助你得出有洞察力的分析。第 2 步 整理資料 你通過三步來獲得所需的資料 收集，評估，清理。你收集所需的資料來回答你的問題，評估你的資料來識別資料...
python資料分析
以網路爬蟲為例，網路爬蟲是乙個自動提取網頁的程式，爬蟲是搜尋引擎的第一步，也是最容易的一部。網頁搜尋，建立索引，查詢排序 用c c 效率高，速度塊，適合通用搜尋引擎做往往爬取。但是它的缺點也特別明顯 開發慢，寫起來又臭又長的。而python無論在資料分析還是在指令碼自動化編寫尚都是簡單，易學的。良好...
python資料分析
陣列間的算術運算 npwhere pandas的使用 np.random.rand 3,4 產生乙個3行4列的矩陣 0 1之間的 in 32 data1 1,2,3,4.0 in 34 arr1 np.array data1 in 35 arr1 out 35 array 1.2.3.4.in 37...