pandas数据分析读书笔记（三）
Df.map()，参数里可以传入一个函数或者有映射关系的字典型对象
Df.replace(, )，将某个值替换成另外一个值，可以一次性替换多个值，可以每个值都有不同的替换值，传入的参数也可以是字典
Pd.rename(index = str.title, columns = str.upper)，重命名轴索引，这里的index设置为原有index首字母为大写，columns设置为原有的全部大写
Pd.cut(bins， labels)，将数据进行划分，划分的依据是bins，比如bins如果为[18, 25, 35, 60, 100]，那么就是前开后闭，labels参数，是用来设置面元名称的，如果传入的是面元的数量，那会根据数据的最小值和最大值计算等长分割
Pd.qcut()，可以根据分位数对数据进行划分，这个就是每个划分都有相同的频数，需要传入的划分数，也可以支持传入自定义的分位数，如[0, 0.1, 0.5, 0.9, 1.]
Np.sign()，符号函数
Np.random.permutation()，产生一个表示新顺序的整数数组
Df.take()，获取数据
Df.sample(n = 3, replace = True)，选取随机子集，replace参数，是否有放回的取数据
Pd.get_dummies(df[‘key’], prefix = ‘key’)，将分类变量转换成“哑变量”，prefix参数为将DataFrame列加上一个前缀，df_with_dummy = df[[‘data1’]].join(dummies)
Pd.unique()，返回不重复的值
Pd.get_dummies(pd.cut(values, bins))，get_dummies和cut组合操作
‘::’.join(pieces)，用两个冒号把所有元素和连起来
Python内置字符串方法：
Count：返回子串在字符串中的出现次数
Endswith、startswith：如果字符串以某个后缀结尾，返回True
Join：将字符串连接其他字符串序列
Index：如果字符串中找到子串，返回第一个字符所在的位置，如果没有返回-1
Find：返回第一个发现的子串的第一个字符所在的位置，如果没有返回-1
Rfind：返回最后一个发现的子串的第一个字符所在的位置，没有返回-1
Repalce：用另一个字符串替代指定子串
Strip，rstrip，lstrip，出去空白符（包括换行）
Split，通过指定的分隔符拆分为一串子串
lower，upper，分别将字符串转换为大写和小写
Ljust，rjust，用空格填充字符串的空白
Ser.str.contains(‘gmail’)，判断是否含有字符串
层次化索引，
Df.unstack()，将层次化索引解开
df.stack()，转化为层次化索引
Df.swaplevel(‘key1’, ‘key2’)，将这两个层更换顺序
Df.sort_index(level = 1)，根据层次1进行排序
Frame.swaplevel(0, 1).sort_index(level = 0)
Frame.sum(level = ‘key2’)，根据某层进行汇总统计
Df.set_index([‘a’, ‘d’], drop = True)，将一个或者多个列转换为行索引，并且会创建一个新的DataFrame，drop参数是是否把那些列删除，False表示不删除，保留下来
Df.reset_index()，将层次化的索引转移到列里面