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)，将两个df连起来，就是把列加起来，on参数是指定列进行连接，还可以根据多列进行连接，如果两个df的列名不同，那也可以分别进行指定。How代表连接的方式，有inner、outer、left、right，分别代表内连接，外连接，左外连接，右外连接。Suffixes是用来处理重复列名的问题，left_index将左侧的行索引用作其连接键，right_index用右边的索引作为连接键，还可以混合用，左边用索引，右边用列
Left2.join(right2, how = ‘outer’, on = ‘key’)，按索引进行合并，左边是索引，右边是索引，还可以指定右边的列
Pd.concat([s1, s2], axis = 0, join = ‘outer’, join_axes = [‘a’, ‘c’, ‘b’], ignore_index, keys = [‘one’, ‘two’, ‘three’])，s1和s2是两个DataFrame或者Series，是从行的角度进行叠加的，相当于砖头一样一块一块叠加起来，还可以将axis = 1，则是从列方向进行叠加，join参数是指合并的方式，inner是交易，outer是并集（默认是并集），还可以用join_axes指定叠加的列，ignore_index参数是将两个合并的DataFrame的行索引给删掉，生成新的从0开始是索引，keys是用来生成层次化索引
Np.where(pd.isnull(a), b, a)，类似于if else
Df.stack()，将数据的列旋转为行
Df.unstack()，将数据的行旋转为列，默认是将最内层旋转为列，当然也可以传入层级的编号或者名称，如果是多层索引的话，那旋转的行将会成为最低层级的列
Fig. = plt.figure()
Ax1 = fig.add_subplots(2, ,2, 1)
Ax1.hist(np.random.randn(100), bins = 20, color = ‘k’, alpha = 0.5)
以上是先创建一个figure对象，然后在这个fig对象上创建多个subplot，然后在这个ax上画图。
还有种另外的方法，能够同时创建一个figure，以及返回一些subplot对象numpy数据，比如：
Fig, axes = plt.subplots(2, 3)，返回figure对象，以及一个2 * 3的numpy数组，可以通过这么调用：axes[0, 1]
Ax[0, 1].plot(x, y, ‘g--’)，g是颜色green，--是线型，表示虚线
Ax[0, 1].set_xticks([0, 250, 500, 750, 1000])用来画刻度
Ax[0, 1].set_xticklabels([‘one’, ‘two’, ‘three’, ‘four’, ‘five’], rotation = 30)，这个函数是给刻度加上标签
ax[0, 1].legend(loc = ‘best’)，添加图例，best指自动去设置位置，举个例子，下面这个就是图例：