df.select_dtypes（include = none、exclude = none）
- すべての数値タイプを選択し、np.numberまたはnumberを使用します
- すべての文字列を選択し、オブジェクトタイプを使用
- 选择datetimes、使用datetimeまたはdatetime64
- 选择timedeltas、用時デルタ
- パンダのカテゴリタイプを選択し、 'category'を使用しますか？
例：
df.select_dtypes（include = ['object']）
ここでは、選択された列はすべてデータフレームの文字列タイプの列です
〜Pythonでは、これは逆で、SQLに少し似ています！=
DataFrameのいくつかの行を選択します。〜を使用して、TrueからFalseを取得できます。
dropna：null値の行レコードを削除します
dropna（サブセット= ['xx'、 'xxx']）：xx列とxxx列で価値のあるレコードを見つけて削除します
Python-utils
- これは、多くのPython関数と一般的に使用されるクラスまたは再利用可能なクラスを統合するツールキットです。
- コードを作成するときに、utilsで再利用できる関数またはクラスを配置して、メインコードと一緒に呼び出すこともできます。
df.empty：データフレームが空の場合はTrueを返し、それ以外の場合はFalseを返します
Counter（）：Python 3では、必要な数値の値をマップするために使用されます
ex：
c = Counter（）＃新しい空のカウンターを作成
c = Counter（ 'abcasdf'）＃反復オブジェクトによって生成された
カウンターc = Counter（{'red'：4、 'yello'：2}）＃生成されたマップcounter
c = Counter（cats = 2、dogs = 5）＃キーワードパラメータ
によって生成されたカウンターはカウンターを生成しますが、ここでは役に立ちませんコレクションからインポートカウンター
c = Counter（ 'abcasd'）
c
Counter（{'a'：2、 'c'：1、 'b'：1、 's'：1、 'd'：1}）c2 = Counter©
c2
Counter（{'a'：2、 'c'：1、 'b'：1、 's'：1、 'd'：1}）
