数据分析框架Pandas进阶
广播运算
多维数据和一维数据进行运算称为广播，会自动按标签匹配对每个元素执行运算。
In [13]: frm
Out[13]:
0 1 2
a 0 1 2
b 3 4 5
c 6 7 8
In [16]: sr2 = Series([3,2,4],index = range(3))
In [17]: frm + sr2
Out[17]:
0 1 2
a 3 3 6
b 6 6 9
c 9 9 12如果有不能匹配的标签，值均为NaN
In [18]: sr3 = Series([3,2,4],index =[0,2,3])
In [19]: frm + sr3
Out[19]:
0 1 2 3
a 3.0 NaN 4.0 NaN
b 6.0 NaN 7.0 NaN
c 9.0 NaN 10.0 NaN如果要在行上做广播，需要调用方法，并指定axis。这些运算都是在副本上进行，不会影响原始数据。
In [20]: sr4 = Series([3,2,4],index = list('abc'))
In [23]: frm.add(sr4,axis = 0)
Out[23]:
0 1 2
a 3 4 5
b 5 6 7
c 10 11 12使用函数
apply函数对每一列（或行）执行指定函数
applymap对每各元素执行操作
排序
sort_index可以按索引字典序排序，可以传入参数axis表示维度，ascending表示方向（True，False）
order按值排序，排序时NaN会被放到末尾
按某列值排序，使用sort_index(by = 指定列标签)
rank返回各元素在排好序后的位置，对于相等的元素，默认返回这些元素位置的平均数
In [7]: sr = Series([1,1,2,2,3])
In [8]: sr.rank()
Out[8]:
0 1.5
1 1.5
2 3.5
3 3.5
4 5.0
dtype: float64可以使用method关键字使相等元素不返回相同rank，如min，max，first等
In [10]: sr.rank(method = 'first') Out[10]:
0 1.0
1 2.0
2 3.0
3 4.0
4 5.0
dtype: float64汇总和计算统计
pandas提供sum，mean等多种统计方法。默认作用于每一列上，若要作用于行上需要指定axis。默认NA的值会自动排除，如果要考虑NA的值，可以设skipna = False
参数：axis，skipna
可使用的方法：
count 非NA值数量
describe 全面信息
min，max
argmin，argmax，（索引）
quantile 计算分位数
sum，mean，median
mad 平均绝对离差
var
std
skew 偏度http://baike.baidu.com/view/1216514.htm
kurt 峰度
偏度和峰度的关系：http://blog.sciencenet.cn/blog-1148346-786610.html
cumsum累积和
cummin，cummax
cumprod
diff 一阶差分http://baike.baidu.com/view/3747559.htm
pct_change 百分数变化y(i) = (x(i)-x(i-1))/x(i)