一、数据类型
1、变量名：
命名规则：(1)由大小写字母，下划线组成，首字母不能是数字和下划线
(2)大小写敏感，变量a和变量A是不同的变量
(3)变量名不能是Python中的保留字，如class，def，continue等
2、数据类型：
(1)逻辑型，即布尔型，只有0和1，True和False；(2)数值型:实数、包括负数、0、正数；(3)字符型:所有可定义的字符，使用' '，" "，''' '''单引号，双引号，三引号包含起来。字符串前面加上r，表示字符串是原始的字符串，不需要使用转义字符，使用 '''... '''可以在字符串中输入多行字符。
3、运算规则：
(1)&（与），|（或），not（非），用于逻辑型数据类型的运算；(2)加减乘除，（+ , - , * , /）用于数值型数据类型的运算
取整运算：// ，求余运算：% ， 乘方：** ，Decimal对浮点数进行封装运算。
二、数据结构
1、Series系列（列，一维）
存储一列数据以及相应的索引，序列的索引从0开始。
访问：
x[1]访问序列中的第二个位置的元素。x['second']可以通过索引来访问，second是x序列中的第二个索引，取出来的元素与x[1]的值一样。不能越界访问
切片：
x[2:4]，取出序列中第三、四位置的元素。大于等于第一个值，小于第二个值。还可以指定索引位置来获取x[[0,2,1]]，按照指定索引位置获取元素。
添加元素：
x.append(n)，n是序列而不是单个元素，不能够添加单个元素。
判断某个值是否在序列中，用'2' in x.values
删除元素：
x.drop(1)，根据索引删除； x.drop(x.index[2])，根据位置删除；x['2' != x.values]，根据值删除，将不是删除的元素保留下来。
2、DataFrame数据框（表，二维）
存储多行和多列的数据集合，索引从0开始。
访问：
按列访问df['age']，df[['age','name']]
按行访问df[1:2]，按行索引访问df.loc[['first','second']]，行列好切片访问 df.iloc['0:1','0:1'],按行索引，列名访问，df.at['first','name']
修改列名：
`df.columns=['age2', 'name2']`
修改行索引 :
`df.index=range=(1,4)`
删除：
df.drop('first',axis=0) axis=0是删除行，axis=1是删除列df.drop('age',axis=1)
增加：
添加行df.loc[len(df)] = [24,'Kevin']，添加列df['newcolumn'] = [2,4,6]
