该笔记摘录自微信公众号“每天进步一点点2015”的文章《Python数据分析之pandas学习（一）》和《Python数据分析之pandas学习（二）》。我对代码和讲解中不够清晰的地方进行了一些改动和补充。
有关pandas模块的学习与应用主要介绍以下8个部分：
- 数据结构简介：DataFrame和Series
- 数据索引index
- 利用pandas查询数据
- 利用pandas的DataFrames进行统计分析
- 利用pandas实现SQL操作
- 利用pandas进行缺失值的处理
- 利用pandas实现Excel的数据透视表功能
- 多层索引的使用
在pandas中有两类非常重要的数据结构，即序列Series和数据框DataFrame。Series类似于numpy中的一维数组，除了通吃一维数组可用的函数或方法，而且其可通过索引标签的方式获取数据，还具有索引的自动对齐功能；DataFrame类似于numpy中的二维数组，同样可以通用numpy数组的函数和方法，而且还具有其他灵活应用，后续会介绍到。
序列的创建主要有三种方式：
In [1]: import numpy as np, pandas as pd
In [2]: arr1 = np.arange(10)
In [3]: arr1
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [4]: type(arr1)
Out[4]: numpy.ndarray返回的是数组类型。
In [5]: s1 = pd.Series(arr1)
In [6]: s1
Out[6]:
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
dtype: int32
In [7]: type(s1)
Out[7]: pandas.core.series.Series返回的是序列类型。
这种情况下字典的key会被作为Series的索引。
In [8]: dic1 = {'a':10,'b':20,'c':30,'d':40,'e':50}
In [9]: dic1
Out[9]: {'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50}
In [10]: type(dic1)
Out[10]: dict返回的是字典类型。
In [11]: s2 = pd.Series(dic1)
In [12]: s2
Out[12]:
a 10
b 20
c 30
d 40
e 50
dtype: int64
In [13]: type(s2)
Out[13]: pandas.core.series.Series返回的是序列类型。
补充一点，使用数组创建序列也是可以自定义索引的，通过index关键字传入同值数组一样大小的数组即可：
>>> a = np.arange(1,6)
>>> b = np.arange(2,7)
>>> pd.Series(a, index=b)
2 1
3 2
4 3
5 4
6 5
dtype: int32这部分内容我们放在后面讲，接下来就开始讲一讲如何构造一个DataFrame。
数据框的创建主要有三种方式：
In [14]: arr2 = np.arange(12).reshape(4,3)
In [15]: arr2
Out[15]:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
In [16]: type(arr2)
Out[16]: numpy.ndarray返回的是数组类型。
In [17]: df1 = pd.DataFrame(arr2)
In [18]: df1
Out[18]:
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
In [19]: type(df1)
Out[19]: pandas.core.frame.DataFrame返回的数据框类型。
以下以两种字典来创建数据框，一个是字典列表，一个是嵌套字典。
In [20]: dic2 = {'a':[1,2,3,4],'b':[5,6,7,8],
...: 'c':[9,10,11,12],'d':[13,14,15,16]}
In [21]: dic2
Out[21]:
{'a': [1, 2, 3, 4],
'b': [5, 6, 7, 8],
'c': [9, 10, 11, 12],
'd': [13, 14, 15, 16]}
In [22]: type(dic2)
Out[22]: dict返回的是字典类型。
In [23]: df2 = pd.DataFrame(dic2)
In [24]: df2
Out[24]:
a b c d
0 1 5 9 13
1 2 6 10 14
2 3 7 11 15
3 4 8 12 16
In [25]: type(df2)
Out[25]: pandas.core.frame.DataFrame返回的是数据框类型。
In [26]: dic3 = {'one':{'a':1,'b':2,'c':3,'d':4},
...: 'two':{'a':5,'b':6,'c':7,'d':8},
...: 'three':{'a':9,'b':10,'c':11,'d':12}}
In [27]: dic3
Out[27]:
{'one': {'a': 1, 'b': 2, 'c': 3, 'd': 4},
'three': {'a': 9, 'b': 10, 'c': 11, 'd': 12},
'two': {'a': 5, 'b': 6, 'c': 7, 'd': 8}}
In [28]: type(dic3)
Out[28]: dict返回的是字典类型。
In [29]: df3 = pd.DataFrame(dic3)
In [30]: df3
Out[30]:
one three two
a 1 9 5
b 2 10 6
c 3 11 7
d 4 12 8
In [31]: type(df3)
Out[31]: pandas.core.frame.DataFrame返回的是数据框类型。这里需要说明的是，如果使用嵌套字典创建数据框的话，嵌套字典的最外层键会形成数据框的列变量(columns)，而内层键则会形成数据框的行索引(index)。
同样补充一下，用数组来创建数据框的话也是可以通过columns关键字和index关键字分别指定列名和行索引的：
>>> a = np.arange(1,7).reshape(3,2)
>>> a
array([[1, 2],
[3, 4],
[5, 6]])
>>> pd.DataFrame(a, columns=['c1','c2'], index=['r1','r2','r3'])
c1 c2
r1 1 2
r2 3 4
r3 5 6可以取数据框的一部分构成新的数据框，索引的用法和numpy是一致的。
In [32]: df4 = df3[['one','three']]
In [33]: df4
Out[33]:
one three
a 1 9
b 2 10
c 3 11
d 4 12
In [34]: type(df4)
Out[34]: pandas.core.frame.DataFrame返回的是数据框类型。
In [35]: s3 = df3['one']
In [36]: s3
Out[36]:
a 1
b 2
c 3
d 4
Name: one, dtype: int64
In [37]: type(s3)
Out[37]: pandas.core.series.Series如果只选择数据框中的某一列/某一行，返回的就会是一个序列对象。
细致的朋友可能会发现一个现象，不论是序列也好，还是数据框也好，对象的最左边总有一个非原始数据对象，这个是什么呢？不错，就是我们接下来要介绍的索引。 在我看来，序列或数据框的索引有两大用处，一个是通过索引值或索引标签获取目标数据，另一个是通过索引，可以使序列或数据框的计算、操作实现自动化对齐，下面我们就来看看这两个功能的应用。
In [38]: s4 = pd.Series(np.array([1,1,2,3,5,8]))
In [39]: s4
Out[39]:
0 1
1 1
2 2
3 3
4 5
5 8
dtype: int32如果不给序列一个指定的索引值，则序列自动生成一个从0开始的自增索引。可以通过index查看序列的索引：
In [40]: s4.index
Out[40]: RangeIndex(start=0, stop=6, step=1)现在我们为序列设定一个自定义的索引值：
In [41]: s4.index = ['a','b','c','d','e','f']
In [42]: s4
Out[42]:
a 1
b 1
c 2
d 3
e 5
f 8
dtype: int32序列有了索引，就可以通过索引值或索引标签进行数据的获取：
In [43]: s4[3] # 获取序列的第4个元素
Out[43]: 3
In [44]: s4['e'] # 获取序列中索引为'e'的元素
Out[44]: 5
In [45]: s4[[1,3,5]] # 获取序列的第2，4，6个元素
Out[45]:
b 1
d 3
f 8
dtype: int32
In [46]: s4[['a','b','d','f']]
Out[46]:
a 1
b 1
d 3
f 8
dtype: int32
In [47]: s4[:4]
Out[47]:
a 1
b 1
c 2
d 3
dtype: int32
In [48]: s4['c':]
Out[48]:
c 2
d 3
e 5
f 8
dtype: int32
In [49]: s4['b':'e']
Out[49]:
b 1
c 2
d 3
e 5
dtype: int32千万注意：如果通过索引标签获取数据的话，末端标签所对应的值是可以返回的（区间左右都是闭合的）！在一维数组中，就无法通过索引标签获取数据，这也是序列不同于一维数组的一个方面。
如果有两个序列，需要对这两个序列进行算术运算，这时索引的存在就体现的它的价值了--自动化对齐。
In [50]: s5 = pd.Series(np.array([10,15,20,30,55,80]),
...: index = ['a','b','c','d','e','f'])
In [51]: s5
Out[51]:
a 10
b 15
c 20
d 30
e 55
f 80
dtype: int32
In [52]: s6 = pd.Series(np.array([12,11,13,15,14,16]),
...: index = ['a','c','g','b','d','f'])
In [53]: s6
Out[53]:
a 12
c 11
g 13
b 15
d 14
f 16
dtype: int32
In [54]: s5 + s6 # 这两个序列在创建时索引顺序是不同的，但计算时按照索引进行了对齐
Out[54]:
a 22.0
b 30.0
c 31.0
d 44.0
e NaN
f 96.0
g NaN
dtype: float64
In [55]: s5/s6
Out[55]:
a 0.833333
b 1.000000
c 1.818182
d 2.142857
e NaN
f 5.000000
g NaN
dtype: float64由于s5中没有对应的g索引，s6中没有对应的e索引，所以数据的运算会产生两个缺失值NaN。注意，这里的算术结果就实现了两个序列索引的自动对齐，而非简单的将两个序列加总或相除。对于数据框的对齐，不仅仅是行索引的自动对齐，同时也会自动对齐列索引（变量名）。
数据框中同样有索引，而且数据框是二维数组的推广，所以数据框不仅有行索引，而且还存在列索引，关于数据框中的索引相比于序列的应用要强大的多，这部分内容将放在下面的数据查询中讲解。
这里的查询数据相当于R语言里的subset功能，可以通过布尔索引有针对的选取原数据的子集、指定行、指定列等。我们先导入一个student数据集：
In [56]: student = pd.io.parsers.read_csv('C:\\Users\\admin\\Desktop\\student.csv')查询数据的前5行或末尾5行：
In [57]: student.head()
Out[57]:
Name Sex Age Height Weight
0 Alfred M 14 69.0 112.5
1 Alice F 13 56.5 84.0
2 Barbara F 13 65.3 98.0
3 Carol F 14 62.8 102.5
4 Henry M 14 63.5 102.5
In [58]: student.tail()
Out[58]:
Name Sex Age Height Weight
14 Philip M 16 72.0 150.0
15 Robert M 12 64.8 128.0
16 Ronald M 15 67.0 133.0
17 Thomas M 11 57.5 85.0
18 William M 15 66.5 112.0查询指定的行：
In [59]: student.ix[[0,2,4,5,7]] #这里的ix索引标签函数必须是中括号[]
Out[59]:
Name Sex Age Height Weight
0 Alfred M 14 69.0 112.5
2 Barbara F 13 65.3 98.0
4 Henry M 14 63.5 102.5
5 James M 12 57.3 83.0
7 Janet F 15 62.5 112.5查询指定的列：
In [60]: student[['Name','Height','Weight']].head() #如果多个列的话，必须使用双重中括号
Out[60]:
Name Height Weight
0 Alfred 69.0 112.5
1 Alice 56.5 84.0
2 Barbara 65.3 98.0
3 Carol 62.8 102.5
4 Henry 63.5 102.5也可以通过ix索引标签查询指定的列：
In [61]: student.ix[:,['Name','Height','Weight']].head()
Out[61]:
Name Height Weight
0 Alfred 69.0 112.5
1 Alice 56.5 84.0
2 Barbara 65.3 98.0
3 Carol 62.8 102.5
4 Henry 63.5 102.5查询指定的行和列：
In [62]: student.ix[[0,2,4,5,7],['Name','Height','Weight']].head()
Out[62]:
Name Height Weight
0 Alfred 69.0 112.5
2 Barbara 65.3 98.0
4 Henry 63.5 102.5
5 James 57.3 83.0
7 Janet 62.5 112.5这里简单说明一下ix的用法：df.ix[行索引,列索引]
- ix后面必须是中括号
- 多个行索引或列索引必须用中括号括起来
- 如果选择所有行索引或列索引，则用英文状态下的冒号:表示
以上是从行或列的角度查询数据的子集，现在我们来看看如何通过布尔索引实现数据的子集查询。
查询所有女生的信息：
In [63]: student[student['Sex']=='F']
Out[63]:
Name Sex Age Height Weight
1 Alice F 13 56.5 84.0
2 Barbara F 13 65.3 98.0
3 Carol F 14 62.8 102.5
6 Jane F 12 59.8 84.5
7 Janet F 15 62.5 112.5
10 Joyce F 11 51.3 50.5
11 Judy F 14 64.3 90.0
12 Louise F 12 56.3 77.0
13 Mary F 15 66.5 112.0查询出所有12岁以上的女生信息：
In [64]: student[(student['Sex']=='F') & (student['Age']>12)]
Out[64]:
Name Sex Age Height Weight
1 Alice F 13 56.5 84.0
2 Barbara F 13 65.3 98.0
3 Carol F 14 62.8 102.5
7 Janet F 15 62.5 112.5
11 Judy F 14 64.3 90.0
13 Mary F 15 66.5 112.0查询出所有12岁以上的女生姓名、身高和体重：
In [66]: student[(student['Sex']=='F') & (student['Age']>12)][['Name','Height','Weight']]
Out[66]:
Name Height Weight
1 Alice 56.5 84.0
2 Barbara 65.3 98.0
3 Carol 62.8 102.5
7 Janet 62.5 112.5
11 Judy 64.3 90.0
13 Mary 66.5 112.0上面的查询逻辑其实非常的简单，需要注意的是，如果是多个条件的查询，必须在&（且）或者|（或）的两端条件用括号括起来。
补充一下，除了使用在方括号索引内，布尔索引同样也能用于ix中作为行索引的部分：
>>> df
0 1
a 1 2
b 3 4
c 0 0
>>> df[(df[0]==1) | (df[0]==3)]
0 1
a 1 2
b 3 4
>>> df.ix[(df[0]==1) | (df[0]==3)]
0 1
a 1 2
b 3 4
>>> df.ix[(df[0]==1) | (df[0]==3), 1::-1]
1 0
a 2 1
b 4 3pandas模块为我们提供了非常多的描述性统计分析的指标函数，如总和、均值、最小值、最大值等，我们来具体看看这些函数：
首先随机生成三组数据
In [67]: np.random.seed(1234)
In [68]: d1 = pd.Series(2*np.random.normal(size = 100)+3)
In [69]: d2 = np.random.f(2,4,size = 100)
In [70]: d3 = np.random.randint(1,100,size = 100)
In [71]: d1.count() #非空元素计算
Out[71]: 100
In [72]: d1.min() #最小值
Out[72]: -4.1270333212494705
In [73]: d1.max() #最大值
Out[73]: 7.7819210309260658
In [74]: d1.idxmin() #最小值的位置，类似于R中的which.min函数
Out[74]: 81
In [75]: d1.idxmax() #最大值的位置，类似于R中的which.max函数
Out[75]: 39
In [76]: d1.quantile(0.1) #10%分位数
Out[76]: 0.68701846440699277
In [77]: d1.sum() #求和
Out[77]: 307.0224566250874
In [78]: d1.mean() #均值
Out[78]: 3.070224566250874
In [79]: d1.median() #中位数
Out[79]: 3.204555266776845
In [80]: d1.mode() #众数
Out[80]: Series([], dtype: float64)
In [81]: d1.var() #方差
Out[81]: 4.005609378535085
In [82]: d1.std() #标准差
Out[82]: 2.0014018533355777
In [83]: d1.mad() #平均绝对偏差
Out[83]: 1.5112880411556109
In [84]: d1.skew() #偏度
Out[84]: -0.64947807604842933
In [85]: d1.kurt() #峰度
Out[85]: 1.2201094052398012
In [86]: d1.describe() #一次性输出多个描述性统计指标
Out[86]:
count 100.000000
mean 3.070225
std 2.001402
min -4.127033
25% 2.040101
50% 3.204555
75% 4.434788
max 7.781921
dtype: float64必须注意的是，describe方法只能针对序列或数据框，一维数组（numpy.ndarray）是没有这个方法的。
这里自定义一个函数，将这些统计描述指标全部汇总到一起：
In [87]: def stats(x):
...: return pd.Series([x.count(),x.min(),x.idxmin(),
...: x.quantile(.25),x.median(),
...: x.quantile(.75),x.mean(),
...: x.max(),x.idxmax(),
...: x.mad(),x.var(),
...: x.std(),x.skew(),x.kurt()],
...: index = ['Count','Min','Whicn_Min',
...: 'Q1','Median','Q3','Mean',
...: 'Max','Which_Max','Mad',
...: 'Var','Std','Skew','Kurt'])
In [88]: stats(d1)
Out[88]:
Count 100.000000
Min -4.127033
Whicn_Min 81.000000
Q1 2.040101
Median 3.204555
Q3 4.434788
Mean 3.070225
Max 7.781921
Which_Max 39.000000
Mad 1.511288
Var 4.005609
Std 2.001402
Skew -0.649478
Kurt 1.220109
dtype: float64在实际的工作中，我们可能需要处理的是一系列的数值型数据框，如何将这个函数应用到数据框中的每一列呢？可以使用apply函数，参数axis默认为0，将函数应用到数据框的每一列；设置为1时，则将函数应用到每一行。
将之前创建的d1,d2,d3数据构建数据框：
In [89]: df = pd.DataFrame(np.array([d1,d2,d3]).T,columns=['x1','x2','x3'])
In [90]: df.head()
Out[90]:
x1 x2 x3
0 3.942870 1.369531 55.0
1 0.618049 0.943264 68.0
2 5.865414 0.590663 73.0
3 2.374696 0.206548 59.0
4 1.558823 0.223204 60.0
In [91]: df.apply(stats)
Out[91]:
x1 x2 x3
Count 100.000000 100.000000 100.000000
Min -4.127033 0.014330 3.000000
Whicn_Min 81.000000 72.000000 76.000000
Q1 2.040101 0.249580 25.000000
Median 3.204555 1.000613 54.500000
Q3 4.434788 2.101581 73.000000
Mean 3.070225 2.028608 51.490000
Max 7.781921 18.791565 98.000000
Which_Max 39.000000 53.000000 96.000000
Mad 1.511288 1.922669 24.010800
Var 4.005609 10.206447 780.090808
Std 2.001402 3.194753 27.930106
Skew -0.649478 3.326246 -0.118917
Kurt 1.220109 12.636286 -1.211579非常完美，就这样很简单的创建了数值型数据的统计性描述。如果是离散型数据呢？就不能用这个统计口径了，我们需要统计离散变量的观测数、唯一值个数、众数水平及个数。你只需要使用describe方法就可以实现这样的统计了。
In [92]: student['Sex'].describe()
Out[92]:
count 19 # 有多少个样本
unique 2 # 唯一值个数
top M # 众数
freq 10 # 众数出现的次数
Name: Sex, dtype: object除以上的简单描述性统计之外，还提供了连续变量的相关系数（corr）和协方差矩阵（cov）的求解，这个跟R语言是一致的用法。
In [93]: df.corr() # 返回pair-wise相关系数，所以是一个对称矩阵
Out[93]:
x1 x2 x3
x1 1.000000 0.136085 0.037185
x2 0.136085 1.000000 -0.005688
x3 0.037185 -0.005688 1.000000关于相关系数的计算可以调用pearson方法或kendell方法或spearman方法，默认使用pearson方法。
In [94]: df.corr('spearman')
Out[94]:
x1 x2 x3
x1 1.00000 0.178950 0.006590
x2 0.17895 1.000000 -0.033874
x3 0.00659 -0.033874 1.000000如果只想关注某一个变量与其余变量的相关系数的话，可以使用corrwith,如下方只关心x1与其余变量的相关系数：
In [95]: df.corrwith(df['x1'])
Out[95]:
x1 1.000000
x2 0.136085
x3 0.037185
dtype: float64数值型数据的协方差矩阵：
In [96]: df.cov()
Out[96]:
x1 x2 x3
x1 4.005609 0.870124 2.078596
x2 0.870124 10.206447 -0.507512
x3 2.078596 -0.507512 780.090808在SQL中常见的操作主要是增、删、改、查几个动作，那么pandas能否实现对数据的这几项操作呢？答案是Of Course!
In [99]: dic = {'Name':['LiuShunxiang','Zhangshan'],
...: 'Sex':['M','F'],'Age':[27,23],
...: 'Height':[165.7,167.2],'Weight':[61,63]}
In [100]: student2 = pd.DataFrame(dic)
In [101]: student2
Out[101]:
Age Height Name Sex Weight
0 27 165.7 LiuShunxiang M 61
1 23 167.2 Zhangshan F 63现在将student2中的数据新增到student中，可以通过concat函数实现：
注意到了吗？在数据库中union必须要求两张表的列顺序一致，而这里concat函数可以自动对齐两个数据框的变量（前面student数据框列的顺序是'Name Sex Age Height Weight'，和student2定义的列顺序不同，但是合并时按列名进行了对齐）！
新增列的话，其实在pandas中就更简单了，例如在student2中新增一列学生成绩：
对于新增的列没有赋值，就会出现空NaN的形式。
补充一下，也可以这样初始化并新增一列：
>>> df = pd.DataFrame({'a':[1,2],'b':[3,4]})
>>> df
a b
0 1 3
1 2 4
>>> df['c'] = 0
>>> df
a b c
0 1 3 0
1 2 4 0删除数据框student2,通过del命令实现，该命令可以删除Python的所有对象。
原数据中的第1,2,4,7行的数据已经被删除了。
根据布尔索引删除行数据，其实这个删除就是保留删除条件的反面数据，例如删除所有14岁以下的学生：
我们发现，不论是删除行还是删除列，都可以通过drop方法实现，只需要设定好删除的轴即可，即调整drop方法中的axis参数。默认该参数为0，表示删除行观测，如果需要删除列变量，则需设置为1。
如果发现表中的某些数据错误了，如何更改原来的值呢？我们试试结合布尔索引和赋值的方法：
例如发现student3中姓名为Liushunxiang的学生身高错了，应该是173，如何改呢？
这样就可以把原来的身高修改为现在的170了。
看，关于索引的操作非常灵活、方便吧，就这样轻松搞定数据的更改。
有关数据查询部分，上面已经介绍过，下面重点讲讲聚合、排序和多表连接操作。
pandas模块中可以通过groupby()函数实现数据的聚合操作
根据性别分组，计算各组别中学生身高和体重的平均值：
如果不对原始数据作限制的话，聚合函数会自动选择数值型数据进行聚合计算。如果不想对年龄计算平均值的话，就需要剔除改变量：
groupby还可以使用多个分组变量，例如根本年龄和性别分组，计算身高与体重的平均值：
当然，还可以对每个分组计算多个统计量：
是不是很简单，只需一句就能完成SQL中的SELECT...FROM...GROUP BY...功能，何乐而不为呢？
排序在日常的统计分析中还是比较常见的操作，我们可以使用order、sort_index和sort_values实现序列和数据框的排序工作：
我们再试试降序排序的设置：
上面两个结果其实都是按值排序，并且结果中都给出了警告信息，即建议使用sort_values()函数进行按值排序。
在数据框中一般都是按值排序，例如：
多表之间的连接也是非常常见的数据库操作，连接分内连接和外连接，在数据库语言中通过join关键字实现，pandas我比较建议使用merge函数实现数据的各种连接操作。
如下是构造一张学生的成绩表：
现在想把学生表student与学生成绩表score做一个关联，该如何操作呢？
注意，默认情况下，merge函数实现的是两个表之间的内连接，即返回两张表中共同部分的数据。可以通过how参数设置连接的方式，left为左连接；right为右连接；outer为外连接。
左连接实现的是保留student表中的所有信息，同时将score表的信息与之配对，能配多少配多少，对于没有配对上的Name，将会显示成绩为NaN。
现实生活中的数据是非常杂乱的，其中缺失值也是非常常见的，对于缺失值的存在可能会影响到后期的数据分析或挖掘工作，那么我们该如何处理这些缺失值呢？常用的有三大类方法，即删除法、填补法和插值法。
当数据中的某个变量大部分值都是缺失值，可以考虑删除改变量（删除列）当缺失值是随机分布的，且缺失的数量并不是很多是，也可以删除这些缺失的观测（删除行）。
对于连续型变量，如果变量的分布近似或就是正态分布的话，可以用均值替代那些缺失值；如果变量是有偏的，可以使用中位数来代替那些缺失值；对于离散型变量，我们一般用众数去替换那些存在缺失的观测。
插补法是基于蒙特卡洛模拟法，结合线性模型、广义线性模型、决策树等方法计算出来的预测值替换缺失值。
我们这里就介绍简单的删除法和替补法：
这是一组含有缺失值的序列，我们可以结合sum函数和isnull函数来检测数据中含有多少缺失值：
In [130]: sum(pd.isnull(s))
Out[130]: 9默认情况下，dropna会删除任何含有缺失值的行，我们再构造一个数据框试试：
返回结果表明，数据中只要含有缺失值NaN,该数据行就会被删除，如果使用参数 how='all'，则表明只删除所有行为缺失值的观测。
补充一个对比例子：
>>> df = pd.DataFrame({'x1':[0,1,None,3,None],'x2':[None,1,None,None,4],'x3':[0,None,None,3,4]})
>>> df
x1 x2 x3
0 0.0 NaN 0.0
1 1.0 1.0 NaN
2 NaN NaN NaN
3 3.0 NaN 3.0
4 NaN 4.0 4.0
>>> df.dropna(how='all') # 只有全部列都为NaN的行被删掉
x1 x2 x3
0 0.0 NaN 0.0
1 1.0 1.0 NaN
3 3.0 NaN 3.0
4 NaN 4.0 4.0
>>> df.dropna() # 只要有一列包含NaN就会删除掉
Empty DataFrame
Columns: [x1, x2, x3]
Index: []再补充一下，如果是想删除列，直接用 DataFrame.drop(['列名1'，'列名2']， axis=1) 这个语句就可以了。
再补充一下，被别人问问题的时候发现了一个新手容易犯的错误，在初始化时，如果某一个值为空，也即想初始化为NaN，注意不是填'NaN'，这样初始化的话，数据框中对应的元素就是一个字符串而不是空值，自然也就没法使用pandas库提供的缺失值处理函数了，正确的方法是初始化为None。
可以使用fillna函数实现简单的填补工作：
补充，使用这种填充方法，如果第一行/最后一行出现缺失值，它们将不被填充。
很显然，在使用填充法时，相对于常数填充或前项、后项填充，使用各列的众数、均值或中位数填充要更加合理一点，这也是工作中常用的一个快捷手段。
在Excel中有一个非常强大的功能就是数据透视表，通过托拉拽的方式可以迅速的查看数据的聚合情况，这里的聚合可以是计数、求和、均值、标准差等。
pandas为我们提供了非常强大的函数pivot_table()，该函数就是实现数据透视表功能的。对于上面所说的一些聚合函数，可以通过参数aggfunc设定。我们先看看这个函数的语法和参数吧：
pivot_table(data,values=None,
index=None,
columns=None,
aggfunc='mean',
fill_value=None,
margins=False,
dropna=True,
margins_name='All')- data：需要进行数据透视表操作的数据框
- values：指定需要聚合的字段
- index: 指定某些原始变量作为行索引
- columns: 指定哪些离散的分组变量
- aggfunc: 指定相应的聚合函数，默认为
numpy.mean() - fill_value：使用一个常数替代缺失值，默认不替换
- margins: 是否进行行或列的汇总，默认不汇总
- dropna: 默认所有观测为缺失的列
- margins_name：默认行汇总或列汇总的名称为'All'
我们仍然以student表为例，来认识一下数据透视表pivot_table函数的用法：
对一个分组变量（Sex），一个数值变量（Height）作统计汇总：
对一个分组变量（Sex），两个数值变量（Height,Weight）作统计汇总：
对两个分组变量（Sex，Age)，两个数值变量（Height,Weight）作统计汇总：
很显然这样的结果并不像Excel中预期的那样，该如何变成列联表的形式的？很简单，只需**将结果进行非堆叠操作（unstack）**即可：
看，这样的结果是不是比上面那种看起来更舒服一点？
使用多个聚合函数
有关更多数据透视表的操作，可参考《Pandas透视表（pivot_table）详解》一文。
最后我们再来讲讲pandas中的一个重要功能，那就是多层索引。在序列中它可以实现在一个轴上拥有多个索引，就类似于Excel中常见的这种形式：
对于这样的数据格式有什么好处呢？pandas可以帮我们实现用低维度形式处理高维数数据，这里举个例子也许你就能明白了：
对于这种多层次索引的序列，取数据就显得非常简单了：
对于这种多层次索引的序列，我们还可以非常方便的将其转换为数据框的形式：
以上针对的是序列的多层次索引，数据框也同样有多层次的索引，而且每条轴上都可以有这样的索引，就类似于Excel中常见的这种形式：
我们不妨构造一个类似的高维数据框：
同样，数据框中的多层索引也可以非常便捷的取出大块数据：
在数据框中使用多层索引，可以将整个数据集控制在二维表结构中，这对于数据重塑和基于分组的操作（如数据透视表的生成）比较有帮助。
就拿student二维数据框为例，我们构造一个多层索引数据集：
讲到这里，我们关于pandas模块的学习基本完成，其实在掌握了pandas这8个主要的应用方法就可以灵活的解决很多工作中的数据处理、统计分析等任务。有关更多的pandas介绍，可参考pandas官方文档。
此外，在Efficient_Pandas_Skills中收录了Pandas库使用的一些进阶技巧，也可以参考一下。