# 一、Pandas对缺失值的处理


## 1.1 忽略空行

skiprows

## 1.2 删掉全是空值的列或者行

.dropna（axis="columns" / "index",how ='any'/'all',inplace=True/False)

## 1.3 对缺失值进行填充

loc[:, '列名'] = ['列名'].fillna(method="ffill")

# 二、数据结构


## 2.1 创建series

### 2.1.1 列表创建series

变量名 = pd.Series([xx,xx,xx])

### 2.1.2 创建具有标签索引的Series

变量名 = pd.Series([x,x,x,x],index=['x','xx','xxx','xxxx'])

输出标签

print(变量名['index'])

### 2.1.3 使用字典创建Series

变量名1 = {'x':12,'xx':123,'xxx':1234}

变量名2 = pd.Series(变量名1)

## 2.2 DataFrame

创建dataFrame最常用的方式就是读取文件

### 2.2.1 根据字典序列创建dataFrame

变量名1 = {'属性1'：['x','xx','xxx'],'属性2'：['x','xx','xxx']}

变量名2 = pd.DataFrame(变量名1)

# 三、索引index

## 3.1 使用index查询数据

.set_index("索引名",inplace = True,drop=False)  //drop = False 让索引列依旧保留在原本的列中

# 四、Merge合并


## 4.1 inner join


## 4.2 outer join


## 4.3 right join


## 4.4 left join


## 4.5 出现非Key的字段重名


key不变

使用suffixes=('字段名1'，'字段名2')来自己指定重复字段的名称

引号里的内容会被添加后原来的column后面

# 五、Concat合并


axis = 0,为竖向合并

axis = 1,为横向合并

ignore_index = True,行从0开始算，而不是每个数据集单独显示

join ='inner'/'outer'

inner会显示两者共有的属性，outer是都会显示，默认为outer

// df1.append(df2) 会直接将df2插入到df1的后面