五一节参加学校的数学建模比赛，我们队伍选择了大数据题：通过社交网络（微博）数据，分析居民对“平安宜居”社会建设的满意度。为了处理数据，我们快速入门了pandas，一个基于numpy开发的数据分析软件。以下内容是对学习过程中要点的记录。
1. 按列更改值时
按列更改值时，如对定义的df，尝试修改"B"标签（后文将延续这种假设和表达），则需要调用df.B[statement] = pandas.core.series.Series。
注意修改某列时，左值一定要包含被修改的列名(列标)。
2. 对字符类型的处理
对于object对象，我们可以使用df.B.str.*类方法完成对字符数据的处理。
包括cat连接，contains是否包含，match正则表达式等。
3. 对NaN值（缺失值）的处理
由布尔矩阵df.B.isnull()得出的布尔表达式筛选即可；
或使用dropnull()方法。
4. 快速加一行
df.loc[df.shape[0]] = [the same length list]
或
df.loc[df.shape[0]] = {the same length dictionary}
注意，此方法仅适用于数字列标。非数字列标需要调用df.loc[other type index]。
5.快速加一列
优雅的行尾添加方法，下方法适用于行标是index；行标是标签同理。
df['new column name'] = [the same length list]
6. 对行\列索引
pandas的列索引十分方便，df['B']或df.B即可取出一列，type为pandas.core.series.Series；
列索引则使用基于索引的df.iloc[]或基于标签的df.loc[]：
-
df.iloc[0:3,'a':'b'](pandas.core.frame.DataFrame) -
df.loc[2](pandas.core.series.Series)
注意df.loc[]的区间范围是左闭右闭，而df.iloc[]的区间范围是左闭右开。
5. 保存为CSV格式时的编码问题
如果希望使用Excel打开CSV格式文件，且不出现编码问题，则保存文件时需要调用df.to_csv("name",encoding = 'ansi')，即使用ansi编码文件。
encoding的可选参数还包括utf-8。
to_csv的类方法的常用参数还包括：
header = Boolean，表示是否保存表头。index = Boolean，表示是否保存数字列标。
