pandas 对象拥有一些常用的数学和统计方法。
例如,sum() 方法,进行列小计:

sum() 方法传入 axis=1 指定为横向汇总,即行小计:

idxmax() 获取最大值对应的索引:

还有一种汇总是累计型的,cumsum(),比较它和 sum() 的区别:

unique() 方法用于返回数据里的唯一值:

value_counts() 方法用于统计各值出现的频率:

isin() 方法用于判断成员资格:

安装步骤已经在首篇随笔里写过了,这里不在赘述。利用 Python 进行数据分析(1) 简单介绍
接下来一篇随笔内容是:利用Python进行数据分析(10) pandas基础: 处理缺失数据,有兴趣的朋友欢迎关注本博客,也欢迎大家添加评论进行讨论。