方法说明

1、排序sort_values和ascending。

通过ascending参数来确定升序还是降序，True表示升序

2、空判断，isnull和notnull。

isnull（） – 判空

notnull（） – 判非空

3、缺失值处理，dropna和删除。

dropna（）

删除

4、统计基本信息describe（）。

实例

>>> data
a    10
b    11
c    12
d    13
e    14
dtype: int64
>>> data.sort_values(ascending = False) #降序排序
e    14
d    13
c    12
b    11
a    10
dtype: int64
>>> data = pd.Series([100,200,np.nan,200,np.nan,400],list('abcdef')) #创建含有缺失值的对象
>>> data
a    100.0
b    200.0
c      NaN
d    200.0
e      NaN
f    400.0
dtype: float64
>>> data.isnull() #判空
a    False
b    False
c     True
d    False
e     True
f    False
dtype: bool
>>> data.notnull() #判非空
a     True
b     True
c    False
d     True
e    False
f     True
dtype: bool
>>> data.dropna() #删除缺失值
a    100.0
b    200.0
d    200.0
f    400.0
dtype: float64
>>> data.fillna(data.mean()) #设置默认值为均值
a    100.0
b    200.0
c    225.0
d    200.0
e    225.0
f    400.0
dtype: float64
>>> data.drop_duplicates() #去重
a    100.0
b    200.0
c      NaN
f    400.0
dtype: float64
>>> data.value_counts() #统计频率
200.0    2
100.0    1
400.0    1
dtype: int64
>>> data.describe() #对数据进行基本统计，统计时自动去掉了缺失值
count      4.000000
mean     225.000000
std      125.830574
min      100.000000
25%      175.000000
50%      200.000000
75%      250.000000
max      400.000000
dtype: float64