- 数据库风格的DataFrame合并（pandas.merge方法）：
- 通过一个或多个键将行链接起来的
- 如果没有指定要用哪个列进行连接，merge就会将重叠列的列名当做键。最好显式指定一下（on=; left_on, right_on;）
- 默认情况下，merge做的是"inner"连接；结果中的键是交集。其他方式还有"left"、"right"以及"outer"。外连接求取的是键的并集，组合了左连接和右连接的效果。
- 多对多连接产生的是行的笛卡尔积
- 要根据多个键进行合并，传入一个由列名组成的列表即可
- 索引上的合并：
- DataFrame中的连接键位于其索引中，merge函数传入left_index=True或right_index=True（或两个都传）
- DataFrame还有一个join实例方法，它能更为方便地实现按索引合并（默认在连接键上做左连接）
- 对于简单的索引合并，你还可以向join传入一组DataFrame
- 轴向连接：
- 合并重叠数据：
- combine_first方法：用参数对象中的数据为调用者对象的缺失数据“打补丁”（先从第一个对象中选值，不行就再去第二个对象中选值）
重塑和轴向旋转：
- 重塑层次化索引：
- ·stack：将数据的列“旋转”为行。
- ·unstack：将数据的行“旋转”为列。
- 默认情况下，unstack操作的是最内层（stack也是如此）。传入分层级别的编号或名称即可对其他级别进行unstack操作。
- 如果不是所有的级别值都能在各分组中找到的话，则unstack操作可能会引入缺失数据。
- stack默认会滤除缺失数据，因此该运算是可逆的
- 将“长格式”旋转为“宽格式”：
- pivot方法：只是一个快捷方式而已：用set_index创建层次化索引，再用unstack重塑
数据转换：
- 移除重复数据：
- DataFrame的duplicated方法返回一个布尔型Series，表示各行是否是重复行
- drop_duplicates方法返回一个移除了重复行的Data-Frame
- 默认会判断全部列，你也可以指定部分列进行重复项判断
- 利用函数或映射进行数据转换：
- Series的map方法可以接受一个函数或含有映射关系的字典型对象
- map方法实现的是元素级转换
- 替换值：
- replace方法
- fillna方法，map
- 重命名轴索引：
- 可以通过函数或映射进行转换，从而得到一个新对象。
- 赋值给index属性，轴还可以被就地修改，而无需新建一个数据结构。
- 如果想要创建数据集的转换版（而不是修改原始数据），比较实用的方法是rename（结合字典型对象实现对部分轴标签的更新）
- 离散化和面元划分：
- cut函数：查看结果的codes属性和categories属性
- 圆括号表示开端，而方括号则表示闭端（包括）
- 如果向cut传入的是面元的数量而不是确切的面元边界，则它会根据数据的最小值和最大值计算等长面元。
- qcut是一个非常类似于cut的函数，它可以根据样本分位数对数据进行面元划分
- 检测和过滤异常值：
- 很大程度上其实就是数组运算
- 要选出全部含有“超过3或－3的值”的行，你可以利用布尔型DataFrame以及any方法
- np.sign这个ufunc返回的是一个由1和－1组成的数组，表示原始值的符号，将值限制在区间－3到3以内：np.sign(data) * 3
- 排列和随机采样：
- 通过需要排列的轴的长度调用permutation，可产生一个表示新顺序的整数数组
- 如果不想用替换的方式选取随机子集，则可以使用permutation：从permutation返回的数组中切下前k个元素，其中k为期望的子集大小。
- 要通过替换的方式产生样本，最快的方式是通过np.random.randint得到一组随机整数
- 计算指标/哑变量：
- 将分类变量转换为“哑变量矩阵”或“指标矩阵”：如果DataFrame的某一列中含有k个不同的值，则可以派生出一个k列矩阵或DataFrame（其值全为1和0）
- get_dummies函数
- 一个对统计应用有用的秘诀是：结合get_dummies和诸如cut之类的离散化函数
字符串对象方法
- 字符串对象方法：
- 检测子串的最佳方式是利用Python的in关键字（当然还可以使用index和find）
- count函数，它可以返回指定子串的出现次数
- replace用于将指定模式替换为另一个模式。它也常常用于删除模式：传入空字符串。
- 正则表达式：
- pandas中矢量化的字符串函数：
- Series有一些能够跳过NA值的字符串操作方法。通过Series的str属性即可访问这些方法。
