所谓狗急跳墙. …我呸，所谓富贵险中求，正是因为毕设很难，所以才有机会学习新的知识，这篇总结更是充满了芝士，连我自己学完都有些欲罢不能了~~
函数填充
用过Excel的小伙伴们肯定知道Excel的填充功能是强大的一X，那么对于pandas来说，如何实现相似的功能呢？我们先举个栗子~
我们想计算一下总分，如果是Excel，想必大家都很会操作：
点击一下总分，然后等号后面写四个单元格的位置相加就可以了，想把函数扩充，只需要往下拉，超级方便：
好了，还是这个数据，我们如何用pandas来操作嘞？
怎么操作
import pandas as pd
score = pd.read_excel('E:/functionSpread.xlsx')
score['总分'] = score['数学'] + score['英语'] + score['政治'] + score['数据结构']
print(score)
我们可以看出来操作非常简单，只需要一行代码，这里每个加号加的是整列而不是一个单元格而已， 非常的方便，但是如果你想操作的是其中的一部分，不是整列，那就需要用第一篇用到的for循环的形式了：
import pandas as pd
score = pd.read_excel('E:/functionSpread.xlsx')
for i in range(5, 18):
score['总分'].at[i] = score['数学'].at[i] + score['英语'].at[i] + score['政治'].at[i] + score['数据结构'].at[i]
print(score)
通过at里面有索引，是一个单元格一个单元格进行赋值操作的
班级 姓名 数学 英语 政治 数据结构 总分
0 软件16-1 朱道斌 98 80 75 150 NaN
1 软件16-1 李大强 89 45 54 112 NaN
2 软件16-1 张晓梅 63 21 54 64 NaN
3 软件16-1 朱莉 86 51 54 39 NaN
4 软件16-2 梅梅 88 56 54 11 NaN
5 软件16-1 赵美丽 23 15 55 96 189.0
6 软件16-1 韩大海 34 81 12 84 211.0
7 软件16-2 强子 14 56 64 54 188.0
8 软件16-1 二狗子 14 55 65 94 228.0
9 软件16-1 小美眉 23 34 44 16 117.0
10 软件16-1 刘备 35 51 22 54 162.0
11 软件16-1 郭老师 123 15 88 84 310.0
12 软件16-2 迷糊桃 23 15 26 55 119.0
13 软件16-1 老八 88 97 51 6 242.0
14 软件16-1 小汉堡 54 68 51 464 637.0
15 软件16-1 刘波 15 51 21 46 133.0
16 软件16-1 李鹏展 66 52 44 46 208.0
17 软件16-2 词穷了 77 98 97 94 366.0
18 软件16-1 随便 15 21 88 494 NaN
19 软件16-1 貂蝉 51 8 13 4 NaN
20 软件16-2 阿森纳 26 3 68 8 NaN
21 软件16-1 约瑟夫 83 32 23 56 NaN
比如我们现在想根据数学成绩进行排序，怎么实现呢？
排序的实现
score.sort_values(by='数学', inplace=True)
只需要这一句话，就可以轻易实现：
班级 姓名 数学 英语 政治 数据结构 总分
7 软件16-2 强子 14 56 64 54 NaN
8 软件16-1 二狗子 14 55 65 94 NaN
18 软件16-1 随便 15 21 88 494 NaN
15 软件16-1 刘波 15 51 21 46 NaN
5 软件16-1 赵美丽 23 15 55 96 NaN
9 软件16-1 小美眉 23 34 44 16 NaN
12 软件16-2 迷糊桃 23 15 26 55 NaN
20 软件16-2 阿森纳 26 3 68 8 NaN
6 软件16-1 韩大海 34 81 12 84 NaN
10 软件16-1 刘备 35 51 22 54 NaN
19 软件16-1 貂蝉 51 8 13 4 NaN
14 软件16-1 小汉堡 54 68 51 464 NaN
2 软件16-1 张晓梅 63 21 54 64 NaN
16 软件16-1 李鹏展 66 52 44 46 NaN
17 软件16-2 词穷了 77 98 97 94 NaN
21 软件16-1 约瑟夫 83 32 23 56 NaN
3 软件16-1 朱莉 86 51 54 39 NaN
4 软件16-2 梅梅 88 56 54 11 NaN
13 软件16-1 老八 88 97 51 6 NaN
1 软件16-1 李大强 89 45 54 112 NaN
0 软件16-1 朱道斌 98 80 75 150 NaN
11 软件16-1 郭老师 123 15 88 84 NaN
但是成绩是从低到高，很不好看，我们需要加一个参数ascending，这个参数玩儿过数据库的小伙伴都知道是升序的意思，默认这个参数是True，我们只需要把它设置为False就可以降序排列了
此时如果我们想根据两列数据进行排序呢？数学从高到底，英语从低到高，也很简单，只需要：
score.sort_values(by=['数学', '英语'], inplace=True, ascending=[False, True])
之前by后面只有一个参数，我们把它变成一个元组，就可以根据多个参数进行排序了
如何过滤
我们想筛选出高于某个分数而低于某个分数的学生，应该怎么做呢？
score = score.loc[score.数学.apply(lambda a: 80 < a < 150)] \
.loc[score.英语.apply(lambda a: 60 < a < 100)]
想过滤通过loc方法，就是locate，意思是定位，然后选择那一列应用函数，我想让score这个对象的数学这一列应用一个函数，所以是score.loc[score.数学.apply(函数名)]，应用什么函数呢？这里用了lambda表达式，他拆开来就是：
def name(a):
return 60 < a < 100
如果不会lambda表达式也可以拆开写，然后在apply里面调用这个函数名，注意不要带括号：
score = score.loc[score.数学.apply(name)]
只把函数的名字调用了就可以，不要写成name()
新增一个过滤条件，就继续调用loc，为了不要一行太满，所以通过 \ 换行
过滤还是很容易的，有帮助的话记得帮忙点个赞，谢谢~