Pd.merge(left = df1, right = df2, on = ‘key’, left_on = ‘lkey’, right_on = ‘rkey’, how = ‘inner’, suffixes = [‘_left’, ’_right’], left_index = True, right_index = True)，將兩個df連起來，就是把列加起來，on參數是指定列進行連接，還可以根據多列進行連接，如果兩個df的列名不同，那也可以分別進行指定。How代表連接的方式，有inner、outer、left、right，分別代表內連接，外連接，左外連接，右外連接。Suffixes是用來處理重複列名的問題，left_index將左側的行索引用作其連接鍵，right_index用右邊的索引作爲連接鍵，還可以混合用，左邊用索引，右邊用列
Left2.join(right2, how = ‘outer’, on = ‘key’)，按索引進行合併，左邊是索引，右邊是索引，還可以指定右邊的列
Pd.concat([s1, s2], axis = 0, join = ‘outer’, join_axes = [‘a’, ‘c’, ‘b’], ignore_index, keys = [‘one’, ‘two’, ‘three’])，s1和s2是兩個DataFrame或者Series，是從行的角度進行疊加的，相當於磚頭一樣一塊一塊疊加起來，還可以將axis = 1，則是從列方向進行疊加，join參數是指合併的方式，inner是交易，outer是並集（默認是並集），還可以用join_axes指定疊加的列，ignore_index參數是將兩個合併的DataFrame的行索引給刪掉，生成新的從0開始是索引，keys是用來生成層次化索引
Np.where(pd.isnull(a), b, a)，類似於if else
Df.stack()，將數據的列旋轉爲行
Df.unstack()，將數據的行旋轉爲列，默認是將最內層旋轉爲列，當然也可以傳入層級的編號或者名稱，如果是多層索引的話，那旋轉的行將會成爲最低層級的列
Fig. = plt.figure()
Ax1 = fig.add_subplots(2, ,2, 1)
Ax1.hist(np.random.randn(100), bins = 20, color = ‘k’, alpha = 0.5)
以上是先創建一個figure對象，然後在這個fig對象上創建多個subplot，然後在這個ax上畫圖。
還有種另外的方法，能夠同時創建一個figure，以及返回一些subplot對象numpy數據，比如：
Fig, axes = plt.subplots(2, 3)，返回figure對象，以及一個2 * 3的numpy數組，可以通過這麼調用：axes[0, 1]
Ax[0, 1].plot(x, y, ‘g--’)，g是顏色green，--是線型，表示虛線
Ax[0, 1].set_xticks([0, 250, 500, 750, 1000])用來畫刻度
Ax[0, 1].set_xticklabels([‘one’, ‘two’, ‘three’, ‘four’, ‘five’], rotation = 30)，這個函數是給刻度加上標籤
ax[0, 1].legend(loc = ‘best’)，添加圖例，best指自動去設置位置，舉個例子，下面這個就是圖例：