1.合并数据 concat、join、append、merge方法
1.1 concat
pd.concat()通常用来连接DataFrame对象。默认情况下，axis=0，是对两个DataFrame对象进行纵向连接（行+行）,axis=1 按列合并
举例：
1.2 join 直接通过索引链接,横向合并列
1.3 append
向dataframe对象中添加新的行，如果添加的列名不在dataframe对象中，将会被当作新的列进行添加
other：待合并的数据。可以是pandas中的DataFrame、series，或者是Python中的字典、列表这样的数据结构
ignore_index：是否忽略原来的索引，生成新的自然数索引
verify_integrity：默认是False，如果值为True，创建相同的index则会抛出异常的错误
sort：boolean，默认是None。如果self和other的列没有对齐，则对列进行排序
举例：
1.4 merge
merge合并,类似excel的vlookup
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False)
on：参考键
参数how : 合并方式,inner：默认，取交集;outer：取并集，数据缺失范围NaN;left;right
参数 left_on, right_on, left_index, right_index → 当键不为一个列时，可以单独设置左键与右键
sort：按照字典顺序通过 连接键 对结果DataFrame进行排序。默认为False，设置为False会大幅提高性能
举例：
【总结】merge、join只能横向合并列，concat : 默认axis=0 按行连接；axis=1 按列合并，append 追加行
2.将数据的列“旋转”为行
任务一：将我们的数据变为Series类型的数据
stack函数：pandas.DataFrame.stack(self, level=-1, dropna=True)
3.数据聚合与运算
3.1GroupBy机制：拆分－应用－合并
分组统计 - groupby功能
① 根据某些条件将数据拆分成组
② 对每个组独立应用函数
③ 将结果合并到一个数据结构中
例如：DataFrame可以在其行（axis=0）或列（axis=1）上进行分组。然后，将一个函数应用（apply）到各个分组并产生一个新值。最后，所有这些函数的执行结果会被合并（combine）到最终的结果对象中
举例：
3.2 agg函数
groupby返回的是一个DataFrameGroupBy结构，这个结构必须调用聚合函数（如sum）之后，才会得到结构为Series的数据结果，每次用groupby函数后，都是要接类似sum、mean等聚合函数才能输出。agg是DataFrame的直接方法，返回的也是一个DataFrame，可以同时使用多个方法
3.3 groupby 两列的话需要用list[]
3.4. values：对应的二维NumPy值数组。 . columns：列索引：列名称。 . index：行的索引：行号或行名。
