1. 读excel 1000行：
pd.read_excel('path', nRows=1000)
head(10), tail(10)
2. 选择某几行：
iloc[1], iloc[1:9]， iloc[:10]，loc['indexA']， loc['indexA':'indexC']
3. 选择某几列：
df['colA']，df.colA，df[['cloA', 'colB', 'colC']]
4. 选择符合条件的某几行:
df[df['colA'] > 10]
df[(df['colA'] > 10) & (df['colB'] == 'test')]
df.query('(colA > 10) & (colB == "test")')
df.where('(colA > 10) & (colB == "test")')
isin ---> df[df['colA'].isin({['A', 'B']})]
5. 选择符合条件的某几行的某几列：
df.loc('(colA > 10) & (colB == "test")', ['colC', 'colD', 'colE'])
6. 删除列：
df.drop(columns = ['colA', 'colB'])
7. 增加列：
df['new_col'] = {'key' : [1,2,3,4,5]}
df['new_col'] = df['colA'] * df['colB']
df['new_col'] = df['colA'].apply(lambda x : x **2)
df['new_col'] = df['colA'].apply(lambda x : str(x) + '_' + x)
8. 看某一列不一样的值都有哪些：
df['actual_weight'].unique()
9. 看某一列不一样的值有几个：
df['actual_weight'].nunique()
10. 看某列，每个元素有多少个，相当于groupBy：
df['actual_weight'].value_counts()
idxmax：某列最大值所在的索引位置 df['colA'].idxmax()
idxmin：某列最小值所在的索引位置 df['colA'].idxmin()
11. 按照某一列排序
df.sort_values(by = ['colA', 'colB', 'colC'])
12. 某一列 非缺失值的个数：
df['colA'].count()
13. cut的用法：
c = pd.DataFrame({'math' : [21, 39, 20, 11, 98, 72]})
bins = [0, 20,40,80,90,100]
c['cuts'] = pd.cut(c['math'], bins)
c.groupby( by = ['cuts']).count()
14. 两个DF结合：
df1[['id', 'poi_id']].join(df2'process_date'])
15. 两个DF合并：
df1.append(df2)
