1頭のパンダ2つの一般的なデータタイプ：シリーズとデータフレーム
2シリーズを作成します。
pd.Series用のS =（1,2、np.nan、8]）
3データフレームを作成します。
作成する列の数で：
日付= pd.date_range（ '20130301'、期間= 6）
DF = pd.DataFrame（np.random.randn（6,3）、インデックス=日付、列= 'ABC'）
辞書作成者：
DF2 = pd.DataFrame（{ 'A'：1、
'B'：pd.Timestamp（ '20130301'）、
'C'：pd.Series（1、インデックス=リスト（範囲（4））、DTYPE = 'のfloat32'）、
'D'：np.array（[3] * 4、DTYPE = 'INT32'）、
'E'： 'FOO'}）
4データを表示する（例DF2します）
n個前の表示：df2.head（N）
df2.tail（N）：N尾のラインをチェック
表示値：df2.values
ビュー統計説明：df2.describle（）
トランスポーズ：df2.Tを
カラムを降順で並べ替え：df2.sort_index（軸= 1、昇順=偽）\
カラムの値によってソート：df2.sort_values（=「C」で）
5 [データ
列選択：DF2 [ 'A']
df2.loc：インデックスで
デジタルタグ：df2.iloc [1,2]
ブールインデックス：DF2 [DF2 [ 'A']> 2]
6つの欠損値
df2.dropna（方法= '任意の'）
df2.fillna（値= 5）
数学と統計の7
df2.mean（軸= 0）
アプリケーションの機能：df2.apply（np.consum）
統計の数：s.value_counts（）
8マージ
pd.concat（[DF1、DF2、DF3]、軸= 1）
9増加行
df2.append（S）
10個のパケット
df2.group（ 'A'）。合計（）
11ピボットテーブル
pd.pivot_table（DF2、値= 'A'、インデックス= [ 'B'、 'C']、列= 'D'）
12時系列
T1 = pd.date_range（ '/ 2017分の1 1'、期間= 12、FREQ = 'T'）