Pandas教程-Pandas DataFrame.sum()
Pandas DataFrame.sum() 函数用于返回用户请求轴的值之和。如果输入值是索引轴，则它将添加列中的所有值，并且对所有列起作用。它返回一个包含每列中所有值的总和的系列。
标签 Pandas实战教程 下的文章
Pandas教程-Pandas DataFrame.sort()
在DataFrame中，我们可以通过不同的方式高效地进行排序：按标签按实际值在解释这两种排序之前，首先我们需要使用一个数据集进行演示：
Pandas教程-Pandas DataFrame.shift()
如果你想要将DataFrame的列进行位移或将列值减去前一行的值，可以使用shift()函数。它包含一个标量参数称为periods，用于指定在所需轴上进行的位移次数。它还能够处理时间序列数据。
Pandas教程-Pandas DataFrame.sample()
Pandas的sample()方法用于从DataFrame中随机选择行和列。如果我们想要从大量数据集构建模型，我们必须随机选择数据的较小样本，可以通过sample函数完成。
Pandas教程-Pandas DataFrame.rename()
Pandas的rename()函数的主要任务是重命名任何索引、列或行。此方法对于重命名某些选定的列非常有用，因为我们只需要为要重命名的列指定信息。它主要根据一些映射（字典或Series）或任意函数更改轴标签。函数必须是唯一的，并且应该从1到-1。如果标签不包含在字典或Series中，则将保留标签。如果列出了一些额外的标签，它将引发错误。
Pandas教程-Pandas DataFrame.query()
为了分析数据，我们需要进行许多过滤操作。Pandas提供了一个query()方法来过滤DataFrame。它提供了一种简单的方式来进行选择，并且还能简化基于索引的选择任务。
Pandas教程-Pandas DataFrame.pivot_table()
Pandas的pivot_table()用于计算、聚合和总结数据。它被定义为一种强大的工具，可以使用Sum、Count、Average、Max和Min等计算对数据进行聚合。它还允许用户在创建了数据透视表后对数据进行排序和过滤。
Pandas教程-Pandas DataFrame.merge()
Pandas的merge()被定义为将两个数据集合并成一个并根据共同的属性或列对齐行的过程。这是DataFrame对象之间所有标准数据库连接操作的入口：
Pandas教程-Pandas melt()
Pandas.melt() 函数用于将 DataFrame 从宽格式转换为长格式，主要任务是将 DataFrame 转换成一种格式，其中一些列是标识变量，其余列被视为测量变量，被转移到行轴上。它仅保留两个非标识符列，即变量和值。
Pandas教程-Pandas DataFrame.mean()
mean()函数用于返回所请求轴的值的平均值。如果我们在Series对象上应用此方法，则返回一个标量值，该值是数据框中所有观测值的平均值。如果我们在DataFrame对象上应用此方法，则返回一个包含指定轴上的值的平均值的Series对象。
