4.使用聚合操作对数据异常值检测和过滤
4.1:describe
A.使用函数：DataFrame.describe（self，percentiles = None，include = None，exclude = None ）
B.参数解析：
C.实战：
C1.官方例子
C2.
E.小节练习
5.排序
A.使用函数：DataFrame.take（self，index，axis = 0，is_copy = True，** kwargs ）沿轴返回给定位置索引中的元素。
-----take()函数接受一个索引列表，用数字表示
-----eg:df.take([1,3,4,2,5])
-----可以借助np.random.permutation()函数随机排序
B.参数解析：
C.实战：
C1.官方链接
C2.
C3.随机排序、抽样
E.小节练习
5.数据分类/组处理groupby高级数据聚合
A.使用函数：Series.groupby（self，by = None，axis = 0，level = None，as_index = True，sort = True，group_keys = True，squeeze = False，观察到的False，** kwargs ）
B.参数解析：
C.例子：
C1.官方例子
C2.
D.小节
数据聚合是数据处理的最后一步，通常是要使每一个数组生成一个单一的数值。
数据分类处理：
-----分组：先把数据分为几组
-----用函数处理：为不同组的数据应用不同的函数以转换数据
-----合并：把不同组得到的结果合并起来
数据分类处理的核心：
-----groupby()函数
-----groups属性查看分组情况
E.小节练习
6.高级数据聚合
A.使用函数：DataFrame.groupby（self，by = None，axis = 0，level = None，as_index = True，sort = True，group_keys = True，squeeze = False，观察到的False，** kwargs ）
B.参数解析：
C.说明：
使用groupby分组后，也可以使用transform和apply提供自定义函数实现更多的运算
----df.groupby(‘item’)[‘price’].sum() 和 df.groupby(‘item’)[‘price’].apply(sum) 差不多
----transform和apply都会进行运算，在transform或者apply中传入函数即可
----transform和apply也可以传入一个lambda表达式
D.实战例子：
D1.百度一篇跟高级数据聚合相关的文章，放此方便观看啦
D2.
data.groupby(‘item’)[‘price’].apply(sum)
按照item分组，取price列，求每组的price的sum
apply
transform
**transform 会自动匹配列索引返回值,不去重;apply 会根据分组情况返回值,去重。
编者寄：内容源于学习资料整理；
文章面向小白也可能会被行业前辈看到，为避免知识误导，若文章有错误，还请过路朋友指出，末学好及时更正，评论区见～
