1.cut
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3,include_lowest=False)
- x：类似数组排列
输入要binned的阵列。 它必须是一维的。 - bins : int，标量序列，或区间索引
如果bins取一个int整数，它定义了在x范围内的等宽bins的数量。然而，在这种情况下，x的范围在每一边扩展了0.1%，包含了x的最小值或最大值。如果bins是一个序列，它就定义了bins的边界即宽度，允许不均匀的bins宽度。在这种情况下没有扩展x的范围。 - right：boolean 值，可选
表明bins是否包括最右边缘。 如果right == True（默认值），则bin[1,2,3,4]表示（1,2]，（2,3]，（3,4]。 - labels ：数组或布尔，默认无
- indicators ['ɪndə,ketɚ] n. 指示器（indicator的复数）；指示灯
(计算机) 指示剂、指针
用作结果bins的标签。 必须与得到的bins的长度相同。 如果为False，则只返回bin的整数指示符。 - retbins：boolean值，可选
是否返回bins？ 如果bins是给定的一个标量，可以使用它。（retbins就是return bins的缩写，即这个参数是表示是否返回bins参数的内容，true就返回，false就不返回） - precision :int,可选的
存储和显示bins标签的精度 - include_lowest :bool，可选
2.concat
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False,copy=True)
- objs：Series，DataFrame或Panel对象的序列或映射。如果传递了dict，则排序的键将用作键参数，除非它被传递，在这种情况下，将选择值（见下文）。任何无对象将被静默删除，除非它们都是无，在这种情况下将引发一个ValueError。
- axis：{0,1，...}，默认为0。沿着连接的轴。
- join：{'inner'，'outer'}，默认为“outer”。如何处理其他轴上的索引。outer为联合和inner为交集。
- ignore_index：boolean，default False。如果为True，请不要使用并置轴上的索引值。结果轴将被标记为0，...，n-1。如果要连接其中并置轴没有有意义的索引信息的对象，这将非常有用。注意，其他轴上的索引值在连接中仍然受到尊重。
- join_axes：Index对象列表。用于其他n-1轴的特定索引，而不是执行内部/外部设置逻辑。
- keys：序列，默认值无。使用传递的键作为最外层构建层次索引。如果为多索引，应该使用元组。
- levels：序列列表，默认值无。用于构建MultiIndex的特定级别（唯一值）。否则，它们将从键推断。
- names：list，default无。结果层次索引中的级别的名称。
- verify_integrity：boolean，default False。检查新连接的轴是否包含重复项。这相对于实际的数据串联可能是非常昂贵的。
- copy：boolean，default True。如果为False，请勿不必要地复制数据。
3.iloc与loc
pandas以类似字典的方式来获取某一列的值，比如df['A']，这会得到df的A列。如果我们对某一行感兴趣呢？这个时候有两种方法，一种是iloc方法，另一种方法是loc方法。loc是指location的意思，iloc中的i是指integer。这两者的区别如下：
• loc works on labels in the index.
• iloc works on the positions in the index (so it only takes integers).
也就是说loc是根据index来索引，那么loc就根据这个index来索引对应的行。iloc并不是根据index来索引，而是根据行号来索引，行号从0开始，逐次加1。
