整个过程就是看别人代码，https://blog.csdn.net/snoopy_yuan
然后弄懂每个步骤及相关方法；在此记录。
附一个关于DataFrame的基础操作的网址：https://www.cnblogs.com/zuizui1204/p/6423069.html
Part 1 读取数据中的问题：
1. 关于pandas中的dataframe和series：
Series：https://www.cnblogs.com/linux-wangkun/p/5903380.html
DataFrame：https://www.cnblogs.com/linux-wangkun/p/5903945.html
总结：Series只能有一列，多行；DataFrame相当于数据库中的表，多列多行；
基础知识：
python中的字典：
http://www.runoob.com/python/python-variable-types.html
2. os.path.split('path')[1]：
首先，os.path.split('path')，是获得路径为path的文件的位置，并切分split；输出结果是一个数组，第一个为路径，第二个为文件名；
参考：https://blog.csdn.net/sxingming/article/details/51475382
os.path.split(__file__)[1]：
参考：http://blog.chinaunix.net/uid-21961132-id-159389.html
__file__获得当前.py文件的完整路径；之后操作同上。
3. print函数：
pritn(''ran for %.2f m" % ((endtime-starttime)/60.)) ；m是后面的字符；跟格式化输出没关系；
%f，打印浮点数；%6.2f，小数点后打印两位；6，表示指定占位符宽度，即打印出来的这个数占几个字符的宽度；
参考：https://blog.csdn.net/qq_37482544/article/details/63720726
及 https://www.cnblogs.com/plwang1990/p/3757549.html
Part 2 数据预分析中的问题
1. pandas中的get_chunk：
get_chunk可用于处理大批量数据，每次读取一部分；
使用：
data_user=pd.read_csv('path')
chunkSize=100
chunk=data_user.get_chunk(chunkSize)#即每次读取100条数据；
另外，read_csv方法也可设置chunkSize，如：data_user=pd.read_csv('path',chunkSize=100000)
适用于，有的csv文件巨大，读文件时出现异常；可使用上述两种方法；
参考：https://blog.csdn.net/zm714981790/article/details/51375475
https://blog.csdn.net/github_33934628/article/details/69938788
2. pd.value_counts()：
该方法是个计数方法，输入参数为series类型数据，输出参数为series；其中索引为series中出现过的所有值，其值为频率。
且默认按值排序，默认升序；
参考：https://ask.csdn.net/questions/450194?sort=id
https://www.cnblogs.com/sunbigdata/p/7907674.html
如，df=DataFrame({'Q1':[1,3,4,3,4],
'Q2':[2,3,1,2,3],
'Q3':[1,5,2,4,4]})
count=df['Q2'].value_counts()
count为：
值 出现频率
1 1
2 2
3 2
4. pd.read_csv()方法的一些参数：
这里是为了将用户的每天的商品操作总次数进行可视化表示；
dateparse=lambda dates: pd.datetime.strptime(dates,'%Y%M%D %H')#设置日期格式
pd.read_csv('path',parse_dates=['times'],date_parser=dateparser,index_col=['times'],chunkSize=100000)
各参数含义：
parse_dates，将指定列解析为日期格式；
date_parser，用于解析日期的函数；
index_col，将指定列作为索引；
参考：https://www.jianshu.com/p/366aa5daaba9
https://www.cnblogs.com/datablog/p/6127000.html
https://blog.csdn.net/qq_18433441/article/details/56664505
5. DataFrame.shape：
df=pd.read_csv('path',chunkSize=100000)#读取数据，这里不重复写上面的了，假装已经设日期times列为索引；
rowCount=df[date].shape[0]
解释：
df[date]，获得指定date的行数，形成一个临时的DataFrame；
df[date].shape，获得DateFrame的行数和列数，输出为(a,b)形式，a是行数，b是列数；（问：这个形式是叫元祖么？）
df[date].shape[0]，就是获得第一个元素；
参考：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.shape.html
6. import 与 from xx import xx：
import，导入模块，可出现在任何位置；
from module import name，从模块a中导入b函数；
from module import *，从模块a中导入所有函数；
则之后可以直接使用相应的函数；
7. Series.plot：
功能是作图；通过matplotlib.pyplot.show()，展示；
8. 导入自定义模块：
参考：https://blog.csdn.net/devil_2009/article/details/15816237
三种不同位置的导入方式：
1）需要引用的文件和当前文件在同一个文件夹下：
---folder
------data_analysis.py
------dict_csv.py
在data_analysis中引入dicti_csv中的row_dict2csv方法，可直接写作：import dict_csv 或 from dict_csv import *
或 from dict_csv import row_dict2csv
（但其实我的文件结构就是这样的，但不知道为啥显示导入不了= =）
注意：一个项目是两个.py文件都在主项目下，就是项目下直接创建了两个.py文件，如上import，成功；
另一个项目是两个.py文件在主项目下的一个文件夹内，如上import，失败。
莫名成功：
from data_preanalysis.dict_csv import * #该种导入方式成功，其中data_preanalysis是两个.py文件所在的文件夹；
另外创建了__init__.py文件，不知道是不是也有影响。
2）两个文件不能放在同一个目录下：
---folder
------dict_csv.py
------otherfile.py
---data_preanalysis.py
方法：在folder下创建__init__.py文件，此时folder成为一个package而不是文件夹；
---folder
------dict_csv.py
------otherfile.py
------__init__.py
---data_preanalysis.py
导入方式：from folder.dict_csv import * 或 import folder.dict_csv 都可以；
3）两个文件不在同一个目录下，而是如下结构：
---folderA
------dict_csv.py
------otherfile.py
---folderB
------data_preanalysis.py
方法：同2）的处理方法；（未试验）
导入方式：同2）
9. pandas的merge方法：
实现将两个DataFrame的连接，功能相当于SQL中的各种连接；
使用：df1=DataFrame({'userId':[1,2,3,4],'classId':[5,6,7,8]})
df2=DataFrame({'userId':[1,2,3,4],'userName':['adam','bob','cindy','david']})
df3=pd.merge(df1,df2,on='userId',how='inner')
参数解释：on：表示以两个DataFram的哪个属性进行连接；当两个DataFrame的列名不同时，可使用left_on，right_on；
how：连接方式；默认值为inner，即内连接。（可复习数据库中的内连接，左连接，右连接的含义）
参考：https://blog.csdn.net/zhouwenyuan1015/article/details/77334889
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.merge.html
Part 3 基于规则的预测
1. DataFrame.isin(values)方法：
该方法实现比较dataframe中的数据是否在values中出现；若出现，则为true；否则为false。
针对values是不同的数据类型，比较方式有所不同，分为以下三种情况；
1）values是list类型：
则判断dataFrame中的数据是否有在values中出现过（不考虑出现位置）；出现过，则为true。
举例：
a=pd.DataFrame({'A':[1,2,3],'B':['a','b','c']})
a.isin([1,3,'b'])
输出结果是：
A B
0 true false
1 false false
2 true true
2）values是dictionary类型：
则判断DataFrame在对应的列是否出现过；
举例：
a=pd.DataFrame({'A':[1,2,3],'B':['a','b','c']})
b={'A':[2,4],'B':['a','b','d']}
a.isin(b)
输出结果是：
A B
0 false true
1 true true
2 false false
3）values是Series或DataFrame类型：
则判断DataFrame的元素是否在values中对应的位置（对应的行，对应的列）出现过；
举例：
a=pd.DataFrame({'A':[1,2,3],'B':['a','b','c']})
b=pd.DataFrame({'A':[1,4],'B':['a','b','d']})
a.isin(b)
输出结果是：
A B
0 true true
1 false true
2 false false
参考：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.isin.html
利用isin方法，可对数据实现筛选；isin后结果为true、false组成的数据列；
如：df_34=df[df['behavior_type'].isin([3,4])]，则得到结果为true的对应行；
参考：https://blog.csdn.net/qq_34264472/article/details/53195940
2. DataFrame.to_csv()方法：
把DataFrame文件写入到逗号分隔的csv文件中；一些参数说明：
path：即保存csv的位置；
columns：保留DataFrame的哪些列；
header：是否保留列名，默认为true；
index：是否保留索引，默认为true；
mode：写入方式，默认为'w'；'a'表示append，即追加写入；
参考：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.to_csv.html
https://blog.csdn.net/toshibahuai/article/details/79034829
3. DataFrame.drop_duplicates()方法：
删除重复项；可指定列，意思是，这些列的值如果都一样，则删除；
参数：
keep：删除数据的方式，默认是first，表示保留第一个出现的，其后出现的都删除；
参考：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html
4. 这里写一个小问题，总是忘；
a=pd.DataFrame({'userId':[1,2],'userName':['alice','bob'],'userSex':['male','female']})
b=a['userId','userName']#表示保留指定列；
5. DataFrame.dropna()方法：
删除重复数据；
axis：取0或'index'，1或'columns'，表示如果是空数据，是删除行还是删除列；
how：取all或any，默认为any；any：表示数据中有一个为空，则删除；