这里不再讲解python的基础部分，直接回顾一下python的pandas库和numpy库，再学习一下办公自动化和爬虫，什么？你说matplotlib可视化库？拜托，我有BI工具，谁还会用python的可视化啊。
Python在数据处理和准备???直做得很好，但在数据分析和建模??就差?些。pandas帮助填补了这?空?，使您能够在Python中执?整个数据分析?作流程，?不必切换到更特定于领域的语?，如R（小声逼逼）。
第一部分 数据结构
第?节 Series
?列表?成 Series时，Pandas 默认?动?成整数索引，也可以指定索引
第?节 DataFrame
DataFrame是由多种类型的列构成的?维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。
=创建一个二维表格，既有行索引又有列索引。（index表示行。columns表示列）
==上面就是简单说一下这两个数据结构的创建
第二部分 数据查看
查看DataFrame的常?属性和DataFrame的概览和统计信息
=创建一个随机的150，3的二维数组，行索引默认，列索引就用a,b,c
再查看开头5个，末尾5个，描述性统计
==这些是python查看数据信息的基本函数，并且挺常用的，特别是最后两个。
第三部分 数据输入与输出
第一节 csv
=创建一个0-50随机的50，5的二维数组，列名为1，2，3，4，5.
=将其保存csv到当前路径下，分割符为；，保存行和列的索引
=按上述条件加载
==注意一下，这里面保存文件的参数，保存时是可以选择是否保存索引的，而加载时，是可以选择索引列的，这些不用硬背，用多了就会了，忘了就回来看一看。
第?节 Excel
==多了一个sheet name
第三节sql
注意这里要使用sql的话，是需要装一个包的，上面写了。
第四部分 数据选取
第一节 获取数据
第二节 标签选择
第三节位置选择
以上三个都是简单的取数，前面的文章有讲过。
第四节 Boolean索引
第五节 赋值操作
以上都是基础操作，但不能因为基础就随意看看，最好是自己练习练习，时间不多，这里就不单独写一篇作业集了。
第五部分数据集成
pandas 提供了多种将 Series、DataFrame 对象组合在?起的功能
第?节 concat数据串联
=创建两个数组，按行叠加
==在进行数据合并的时候，可以使用concat这个函数，注意这个函数内部的参数除了要和并的两个表以外还有一个axis，这个是合并的维度 ，0的时候是按行，1的时候是按列。
第?节 插?
第三节 Join SQL?格合并
数据集的合并（merge）或连接（join）运算是通过?个或者多个键将数据链接起来的。这些运算是关系型数据库的核?操作。pandas的merge函数是数据集进?join运算的主要切?点。
注意，这里的合并数据的方法，使用的merge函数，其内部的参数有两个表，然后how，on分别是连接方式和连接字段。
第六部分 数据清洗
=创建数据，然后查找其重复值，并去除，
=然后过滤空值，删除空数据，填充空数据为0
=删除某行和某列
这一部分感觉非常重要，也是我们最常用的地方，首先是重复数据，然后是空数据处理，然后是指定行列的去除。
注意重复数值那里两个duplicate是不同的，一个加d一个加s；删除行列必须要标注axis的取值。
注意pandas的dataframe在创建时可以是3维的数据，index并不是列名，在用filter时需要使用axis来判断行或者列。
异常值过滤这一套操作还是很秀的。