index对象：
idmin()：用来获取索引长度最小的索引名。
idmanx()：与idmin() 相反
index对象允许同名索引存在。判断数据中是否有重名索引存在，可以用is_unique 例：frame.index.is_unique
删除：
drop()：
其中有个axis参数，在多维数据时，要用到，初始为0，则删除行，当值为1时，删除列。
例：frame.drop(["name",axis=1) > 删除name列
算术与数据对齐：
两个数据对象可以进算术运算，但是运算时，只有两个数据对象都有相对索引和对象时，才能运算，没有相同时，则为NaN值
DataFrame 数据类型也是一样，只是多了一个字段要相同。
数据结构之间的运算：
数据之间运算很灵活，不同维度数组也可以进行运算。如，可以通过函数来相加 add()
其中还有sub()、div()、mul() 等
DataFrame与Series对象之间也可以运算。但注意的是Series对象与DataFrame的字段要相同，而且只计算第一行
函数的应用：
使用自定义函数(apply):
库函数的使用
排序：
sort_index()：以索引排序。参数ascending用于排序方式， 默认升序，当为False时，为降序
其中参数axis，用于多维数组axis=0 默认为0，当为0时，以索引排序，当为1时，以字段排序。
参数by，同样也用于多维数组，使用某列或多列排序。
sort_values()：以value值进行排序。参数同上
排位次
rank()：方法用于根据某种函数规则进行排序。
重要参数：axis > 用于排序方式。0为索引。1为字段。默认为0
method > 用于排序函数。其中包含 {'average', 'min', 'max', 'first', 'dense'} 默认 average
....
解释：因为默认是求平均值，其中有两个相同元素。1和2,
它们排序是 值 -3 排第一位，值为1.0 。
1为第二位第三位，值为（2+3）/2=2.5。
2为第四位第五位，值为（4+5）/2 = 4.5。
4为最后一位（第六位）,值为6.0
相关性与协方差
corr()：相关性
cov()：协方差
corrwith()：相关性（用于不同对象）
Series对象：
ser1.corr(ser2)
ser1.cov(ser2)
DataFrame对象：
frame.corr()
frame.cov()
Series与DataFrame对象：
frame.corrwith(ser)
frame.corrwith(frame1)
NaN数据：
NaN数据其实也是就我们平时中的None值。在数组中也会存在None值。在这里说说常用操作
None、np.NaN、pd.NaT 都表示为空。
dorpna() 或 notnull()：用于判断是否为空，如果NaN则不显示出来，
在使用dorpna()时，注意DataFrame对象，当一行中有一个NaN时，都会视为空。其中有个how参数，将其指定为'all‘时，就只有一行中全部为NaN才不显示。
为NaN值填充元素则用fillna()函数。它可以指定全部，也可以指定部分。
