pd.isnull(df)，返回空的值爲True，非空值爲False
最常用的數據加載函數有：Read_csv()與read_table()
Pd.read_table(sep=)，如果是csv文件，也可以用read_table函數來讀取，只是需要設定分隔符sep
Pd.read_csv(header = None, name)
header參數，當文件沒有標題行時，可以設置這個參數爲None
Names參數，讀取文件時，可以指定列名
Index_col參數，可以指定某列爲DataFrame的索引，也可以傳入一個列表，則會做成一個層次化索引，也可以是編號
skiprows跳過文件的某行，比如skiprows[0, 2, 3]，則跳過文件的第一行、第三行和第四行
Parse_dates，將數據解析爲日期，默認爲False，如果爲True，則嘗試解析所有列
Nrows，需要讀取的行數
skip_footer，需要忽略的行數，從文件末尾處算起
Chunksize，逐塊讀取文件，該參數用於指定塊大小，返回的是一個迭代器，每次都根據chunksize讀取一小塊
Df.to_csv()，這個函數用於將數據寫到一個csv文件中。
參數如下：
Na_rep，將空字符串表示爲別的標記值
Index，是否寫入索引
Header，是否寫入列名
Columns，傳入列名列表，可以指定列輸出的順序
Json庫
Json.loads()，將json字符串轉化爲python形式
Json.dumps()，將python對象轉換爲JSON形式
Pd.read_json()，將json文件讀取爲DataFrame
Df.to_json()，將數據輸出到json
Pd.read_excel(sheet_name = )，讀取excel文件，sheet_name參數是讀取哪個sheet頁
Frame.to_excel(sheet_name)，將數據存儲到excel文件中
Df.isnull()，返回一個只有True和False的df，如果df的值爲空，則對應的爲True
Df.notnull()，與isnull的反義詞
Df.dropna(axis = 0, how = )，刪除缺失值，如果是DdataFrame對象，那會刪除含有空的行或者烈，默認是丟棄含有缺失值的行，當傳入axis = 1時，刪除有空的列，how=’all’只刪除全部爲空的那些行，
Df.fillna(value = , method=, inplace = , axis = 0, inpalce = False, limit)，填充缺失數據，可以通過method進行填充，可以用ffil和bfill，ffil是向前填充，bfill是向後填充，還可以傳入一個字典，實現根據不同的列填充不同的值，還可以傳入inplace參數爲True，即對現有的對象進行本地修改，還可以傳入平均數等等
Df.duplicated()，返回一個布爾型的Series，表示各行是否有重複行
Df.drop_duplicates()，刪除重複的行，也根據某列獲多列刪除重複項，傳入列名即可