1六、DataFrame.sort_values( columns , inplace = True , ascending = False)app
以columns的value爲基礎對DataFrame排序;函數
若inplace爲True，則用排序後的結果替換原來的數值，若爲False，則僅僅返回排序後的結果，不對原 DataFrame 產生影響;排序
ascending 默認爲 True ，升序排列，能夠指定爲 False ，降序排列。索引
1七、 pandas.isnull(DataFrame)pandas
返回一個 DataFrame ，原 DataFrame中爲 null 值的位置的值爲 True ，不爲 null 值的位置的值爲 False 。table
1八、 DataFrame.fillna( value , inplace = False )class
返回一個 DataFrame ， 用 value 值替換原 DataFrame 中的 nan 值；基礎
inplace 爲 True 時替換原 DataFrame 的值，爲 False 時僅僅返回排序後的結果，不對原 DataFrame 產生影響。搜索
1九、當 DataFrame 中有 nan 值時，對其所做計算獲得的都會是 nan 值。方法
20、當 DataFrame 中有 nan 值時，兩種方法對數據作處理：
1）經過 pandas.isnull() 函數獲得反應 nan 值位置的 DataFrame ，將其中爲 True 的值做爲索引傳入原 DataFrame 獲得全部不爲 null 值的數據；
2）經過 DataFrame.fillna() 函數將 nan 值替換爲中值或平均值（平均值還不是得算，中值還不是得找，應該是用在其餘列的數據頗有用的狀況下）
寫到這，看起來，這兩種方法大概會結合起來使用。
2一、 DataFrame[columns].mean() 求 columns 列的均值，自帶去 nan 的功能。
2二、 DataFrame.pivot_table( index = column1 , values = column2 , aggfunc = np.mean ) 數據透視表
index 告訴函數 group by 哪一個列
values 告訴函數咱們想要計算哪一列
aggfuc 告訴函數咱們想要作什麼計算（默認爲 mean() ）。
2三、 DataFrame.dropna( axis = 1 ,subset = [ column1 , column2 ])
axis 爲 1 時，將有 nan 值的列刪除，
axis 爲 0 時，將有 nan 值的行刪除， subset 設置搜索範圍。
2四、 DataFrame.loc[ RowNumber , ColumnName ]
返回指定列指定行的值。
2五、 DataFrame.reset_index( drop = True)
在排序後用來重建索引， drop 與 inplace 相似。
2六、DataFrame.loc[ 0 : 10 ] 與 DataFrame[ 0 : 10 ] 等價
2七、 DataFrame.apply( MethonName , axis = 0 )
將 DataFrame 的每一列（ axis = 0 時）或者每一行（ axis = 1 時）傳入函數中，獲得計算結果， axis 默認爲 0 ；
能夠這樣理解，當 axis = 0 時，是對一列中的每行的值作操做，當 axis = 1 時，是對一行中的每列的值作操做，因此仍是 axis = 0 對應行， axis =1 對應列。
2八、DataFrame 由 Series 構成，每一行每一列都是一個 Series ，Series.value 爲 ndarray 格式，也就是說列名做爲 key ， ndarray 做爲 value 構成了一個 Series。
2九、 Series 的索引性質與 DataFrame 一致。