1.可以把Series看成一個定長的有序字典，向Series增加一行：相當於給字典增加一組鍵值對。
2.可以通過shape，size，index,values等得到series的屬性
shape：形狀
size：元素的個數
index：獲取index的值，返回的是對象
values：獲取value的值
*numpy tolist()的用法
3.可以使用head(),tail()分別查看前n個和後n個值
4.當索引沒有對應的值時，可能出現缺失數據顯示NaN（not a number）的情況
5.可以使用pd.isnull()，pd.notnull()，或自帶isnull(),notnull()函數檢測缺失數
6.使用bool型的列表訪問數組對象
7.Series對象本身及其實例都有一個name屬性
8.根據值排序
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’)
參數說明
by:str or list of str；如果axis=0，那麼by=“列名”；如果axis=1，那麼by=“行名”；
axis:{0 or ‘index’, 1 or ‘columns’}, default 0，默認按照索引排序，即縱向排序，如果爲1，則是橫向排序
ascending:布爾型，True則升序，可以是[True,False]，即第一字段升序，第二個降序
inplace:布爾型，是否用排序後的數據框替換現有的數據框
kind:排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太關心
na_position : {‘first’, ‘last’}, default ‘last’，默認缺失值排在最後面
9.根據索引排序
sort_index(axis=0, level=None, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’,
axis：0按照行名排序；1按照列名排序
level：默認None，否則按照給定的level順序排列—貌似並不是，文檔
ascending：默認True升序排列；False降序排列
inplace：默認False，否則排序之後的數據直接替換原來的數據框
kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’
na_position：缺失值默認排在最後{“first”,“last”}
10.統計值出現的次數
去重操作,只統計出現的值
編者寄：文章面向小白也可能會被行業前輩看到，爲避免知識誤導，若文章有錯誤，還請過路朋友指出，末學好及時更正，評論區見～
整理於學習資料，比心圖片來源網絡；
