在data science領域，pandas是python最常用的library，而DataFrame又是pandas最核心的數據結構。用久了，發現與pandas DataFrame相關的常用的方法其實就那麼幾個，只要能熟練掌握便能解決大部分需求了。
1. Create a pandas DataFrame
如果數據已經以list的形式存在了的話，最常用的方法是直接pass in 一個字典，比如：
import pandas as pd
name_lst = ['John','Mike']
age_lst = [12,30]
city_lst = ['New York City','Paris']
df = pd.DataFrame({'name':name_lst,'age':age_lst,'city':city_lst})
如果沒有，可以創建一個空DataFrame，再以append的方式（見下文）添加行。（columns參數定義了列的名字，是optional的。）
df = pd.DataFrame(columns=['name','age','city'])
2. DataFrame.head()
The most basic, but also the most frequently used method, especially useful when you have a large DataFrame and you just want to glance over the first few rows to make sure everything looks right.
df.head(5) # returns the first 5 rows
3. DataFrame.columns
Technically this is not a method, but an attribute of pandas DataFrame. This comes in handy when the DataFrame you are dealing with has numerous columns and you would like to find the name of a certain column.
df.columns
4. DataFrame.loc() & DataFrame.iloc()
篩選DataFrame的兩個方法，使用方法非常靈活多樣，這點documentation裏有詳細的例子介紹。二者的區別：loc()的篩選是基於labels（column names）和條件（也就是boolean arrays），而iloc()的篩選是基於index的。
比如：
df.loc[df['age']<18] #篩選出未成年人
df.iloc[:5] #篩選出前五行
loc()也是pandas推薦的用來set values的方法，因爲它可以幫助避免chained assignment的問題。比如下面這個例子：
df[df['age'<18]]['age']='underage' # chained assignment problem
上面的代碼並不會更改原本df的值，因爲df[df['age'<18]]只是原DataFrame的一個copy。因此，跑上面那段代碼會得到以下提示：
SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead
正確的做法是用loc()方法：
df.loc[df['age']<18, 'age']='underage' # correct
5. DataFrame.iterrows()
The method to use if you want to iterate through the entire DataFrame, works similar to Python dictionary’s items.
for index, row in df.iterrows():
# code block
6. DataFrame.append()
Append another DataFrame under the original DataFrame. Return a new DataFrame object.
df_new = df.append(pd.DataFrame({'name':['Kelly'],'age':[42],'city':['Beijing']}))
7. pd.merge()
Equivalent to SQL join，提供inner, outer, left, right幾種選項。比如我們有一個消費者信息表fct_customer和一個訂單信息表fct_order，其中共有的column是消費者編號customer_id，現在希望只找到所有下過訂單的顧客的信息，則可以使用inner join：
old_customer = pd.merge(fct_customer, fct_order, how='inner', on='customer_id')
如果兩個表裏對消費者編號這一列的叫法不同也沒有關係，可以不使用on這個參數，而分別pass inleft_on和right_on兩個參數。
8. DataFrame.groupby()
Equivalent to SQL groupby，提供若干aggregate functions選項，常用的就是mean(), sum(), count()等幾種。比如，想查看df中每個城市的人平均年齡是多少：
df.groupby(how='city').mean()
9. DataFrame.fillna() & DataFrame.dropna()
非常實用的兩個方法，可以作爲read in一個DataFrame後的第一步來使用，畢竟如果DataFrame裏含有nan的話難免會在做一些操作時報錯。注意，默認該方法會return a new DataFrame，如果希望修改原DataFrame的話需要pass in inplace=True。
df.fillna(0, inplace=True)
10. DataFrame.drop_duplicates()
有點類似於SQL裏的distinct關鍵詞，可以選擇一個subset of columns，去除它們中帶有相同值的行。
df.drop_duplicates(subset=['city','age'], inplace=True)
11. DataFrame.sort_values()
Return the sorted DataFrame. 常用的參數有：
by：the column name or the list of column names to be sortedascending：由小到大還是由大到小axis：0爲橫行，1爲豎列inplace：修改原DataFrame還是return a new DataFrame
df_sorted = df.sort_values(by=['city','age'], ascending=False)
12. DataFrame.reset_index()
不起眼但經常會用到的方法。尤其是在用完drop_duplicates(), sort_values()等一些會刪除某些行或改變行的順序的方法後，默認會保留原index number，因此會出現sort完以後編號全部亂掉的情況。這時重置一下index就十分有用了。
需要注意的是該方法default設置爲重置後將把舊的index作爲一列保留在DataFrame中，如果不想要需要設置drop=True。
df.reset_index(drop=True, inplace=True)