数据分析：
1.基本统计：describe()
常用的统计函数：
size：计数
sum：求和
mean：均值
var：方差
std：标准差
2.分组分析：groupby()
groupby(by=[分组列1，分组列2....])[统计列1，统计列2,...].agg({统计列别名1:统计函数;统计列别名2:统计函数,...})
参数说明：
by：用于分组的列
中括号：用于统计的列
agg：统计别名显示统计值的名称
3.分布分析：
4.交叉分析：pivot_table(values,index,columns,aggfunc,fill_value)
参数说明：
values：数据透视表中的值
index：数据透视表中的行
columns：数据透视表中的列
aggfunc：统计函数
fill_value：NA值的统一替换
5.结构分析：axis参数说明
0按列运算，1按行运算
数据框的外运算函数：add，sub，multiply，div --->加减乘除
数据框的内运算函数：sum,mean,var,sd ---->求和，均值，方差，标准差
6.相关分析：
0 - 0.3 低度相关
0.3 - 0.8 中度相关
0.8 - 1 高度相关
相关分析函数：DataFrame.corr()
Series.corr(other)
如果由数据框调用corr方法，那么将计算每个列两两之间的相似度
例如：data['身高'].corr(data['体重'])
如果由序列调用corr方法，那么只是计算该序列与传入的序列之间的相关度
data.loc选择多列
例如：data.loc[:,[‘身高’，‘体重’，‘学历’]],corr()