在data science领域，pandas是python最常用的library，而DataFrame又是pandas最核心的数据结构。用久了，发现与pandas DataFrame相关的常用的方法其实就那么几个，只要能熟练掌握便能解决大部分需求了。
1. Create a pandas DataFrame
如果数据已经以list的形式存在了的话，最常用的方法是直接pass in 一个字典，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})
如果没有，可以创建一个空DataFrame，再以append的方式（见下文）添加行。（columns参数定义了列的名字，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()
筛选DataFrame的两个方法，使用方法非常灵活多样，这点documentation里有详细的例子介绍。二者的区别：loc()的筛选是基于labels（column names）和条件（也就是boolean arrays），而iloc()的筛选是基于index的。
比如：
df.loc[df['age']<18] #筛选出未成年人
df.iloc[:5] #筛选出前五行
loc()也是pandas推荐的用来set values的方法，因为它可以帮助避免chained assignment的问题。比如下面这个例子：
df[df['age'<18]]['age']='underage' # chained assignment problem
上面的代码并不会更改原本df的值，因为df[df['age'<18]]只是原DataFrame的一个copy。因此，跑上面那段代码会得到以下提示：
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
正确的做法是用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几种选项。比如我们有一个消费者信息表fct_customer和一个订单信息表fct_order，其中共有的column是消费者编号customer_id，现在希望只找到所有下过订单的顾客的信息，则可以使用inner join：
old_customer = pd.merge(fct_customer, fct_order, how='inner', on='customer_id')
如果两个表里对消费者编号这一列的叫法不同也没有关系，可以不使用on这个参数，而分别pass inleft_on和right_on两个参数。
8. DataFrame.groupby()
Equivalent to SQL groupby，提供若干aggregate functions选项，常用的就是mean(), sum(), count()等几种。比如，想查看df中每个城市的人平均年龄是多少：
df.groupby(how='city').mean()
9. DataFrame.fillna() & DataFrame.dropna()
非常实用的两个方法，可以作为read in一个DataFrame后的第一步来使用，毕竟如果DataFrame里含有nan的话难免会在做一些操作时报错。注意，默认该方法会return a new DataFrame，如果希望修改原DataFrame的话需要pass in inplace=True。
df.fillna(0, inplace=True)
10. DataFrame.drop_duplicates()
有点类似于SQL里的distinct关键词，可以选择一个subset of columns，去除它们中带有相同值的行。
df.drop_duplicates(subset=['city','age'], inplace=True)
11. DataFrame.sort_values()
Return the sorted DataFrame. 常用的参数有：
by：the column name or the list of column names to be sortedascending：由小到大还是由大到小axis：0为横行，1为竖列inplace：修改原DataFrame还是return a new DataFrame
df_sorted = df.sort_values(by=['city','age'], ascending=False)
12. DataFrame.reset_index()
不起眼但经常会用到的方法。尤其是在用完drop_duplicates(), sort_values()等一些会删除某些行或改变行的顺序的方法后，默认会保留原index number，因此会出现sort完以后编号全部乱掉的情况。这时重置一下index就十分有用了。
需要注意的是该方法default设置为重置后将把旧的index作为一列保留在DataFrame中，如果不想要需要设置drop=True。
df.reset_index(drop=True, inplace=True)