1、pandas的value_counts()和describe()
pandas 的value_counts()函数可以对Series里面的每个值进行计数并且排序。
value_counts是计数，统计所有非零元素的个数，默认以降序的方式输出Series。
按区域进行分类统计（默认降序排列，如果要升序排列可以添加参数ascending = True）
df[].value_counts()
df[].value_counts(ascending= True)
df[].value_counts(normalize= Ture) #统计每个区域的占比（指定normalize参数为True，也可以用sum函数进行计算）：
df[].value_counts(normalize= Ture)=df[].value_counts(ascending= True)/sum(df[].value_counts())
空值是默认剔除掉的，value_counts()返回的结果是一个Series数组，可以跟别的数组进行运算。
value_count()跟透视表里（pandas或者excel）的计数很相似，都是返回一组唯一值，并进行计数，这样能快速找出重复出现的值。
还有value_counts()函数是针对Series的，不是针对DataFrame的，所以只能是单列。
describe函数（统计计数函数）
describe函数总结数据集分布的中心趋势，分散和形状，不包括NaN值。
DataFrame.describe(percentiles=None,include=None,exclude=None)，可以快速的求出一些算术运算指标：
include包含all、[np.number]和[np.object]三个值，describe属性可以对数值型变量（include=['number']）和离散型变量（include=['object']）进行描述性统计：
df.describe()
df.describe(include='all' /[np.number] /[np.object])
