Series對象，如何生成Series對象。
Datadf對象，如何生成Datadf
df.Head()函數，df.tail()函數，df.loc()函數（通過index位置獲取數據）
Del df[‘eastern’]，del函數用來刪除某列.
df.T，轉置函數
df.values，返回Datadf的數據
df.index，返回Datadf的索引
df.reindex()，用於修改索引
df.drop(axis = 0)，用於刪除某行或者某列，默認的參數是axis = 0，默認刪除行，當axis=1時，刪除列，或者axis = ‘columns’也可以。這個函數是返回一個刪除的對象，不會修改原有的數據，當傳入參數inplace = True時，則原地修改對象，不會返回新的對象。
df.loc()，使用index標籤獲取數據
df.iloc()，通過整數索引獲取數據
Np.abs(df)，可以將numpy的函數用於操作pandas對象
df.apply(f)，函數f，作用於df的每一列上
df.applymap(f)，函數f，作用於df的每一個元素上
df.sort_index(axis = 0, ascending = True)，對某個軸上的索引進行排序，默認爲axis = 0，即行縮影，可以設置爲axis = 1，即對列索引進行排序。Ascending默認爲True的，即升序排列，也可以設置ascending = False，即降序排列
df.sort_values()，對值進行排列，缺失值會放在Series的末尾，by參數，是根據一個或多個列中的值進行排序，如果是要根據多個列進行排序，需要傳入列表
df.index.is_unique，這是個屬性，可以看索引的值是否是唯一的
df.sum(axis = 0)，該方法返回一個含有列的和的Series，默認爲axis = 0，計算每列的和，也可以將參數修改爲axis = 1，會按照行進行求和運算
df.mean(axis = 0’, skipna =True)，返回一個含有列的平均值的Series，跳過空值。
df.idmax()，返回每列最大值的索引
df.idmin()，返回每列最小值的索引
df.cumsum()，每列累計和
df.describe()，一次性產生多個彙總統計，包括總數，平均值，最小值，最大值，分位數等等
另外還有：count()、max()、min()、argmax()/返回最大值的整數索引、argmin()/返回最小值的整數索引、quantile/計算分位數0到1、sum、mean、median、mad、var、std、skew、kuit、cumsum、cummin、cummax/樣本值的累計最大值和最小值、cumprod累計積、pct_change計算百分比變化（計算股票收益率）
Ser1.corr(Ser2)，計算兩個Series重疊的，非NA的，按索引對齊的相關係統
Df.corr()，返回這個dataframe的相關係統矩陣
Df.cov()，返回這個dataframe的協方差矩陣
Df.corrwith()，當傳入一個Series時，則會計算dataframe的所有列與這個Series的相關係數，當傳入的是一個DataFrame時，則會按照列名匹配然後計算相關係數。
Ser.unique()，返回Series中的唯一值數組
Ser.value_counts()，用於計算一個Series中各值出現的頻率
pd.value_counts(Ser.values)，這個value_counts還是一個頂級的方法
Ser.isin()，用於判斷Series中的值是否在一個列表中