两个df的 columns相同，根据index进行连接合并：
result = pd.concat([df1,df2])
如何给dataframe的index换名字：
https://blog.csdn.net/RogerFedereYY/article/details/109121721
pandas只是提取指定时刻数据
### 挑选00:10,00:20...时刻的数据
tar_df=df.resample('10T',convention='start').asfreq()
### 挑选整点数据
tar_df=df.resample('H',convention='start').asfreq()
pandas 将某列小于1的数设为1：
方法1
df.loc[df['S']<1,'S']=1
方法2
df['S'] = np.where(df['S']<1, 1, df['S'])
方法3
df['S'] = df['S'].apply(lambda x: 1 if x<1 else x)
找出标签重复行：
sam[sam.index.duplicated()]
### Delete it.
sam_new = sam.loc[~sam.index.duplicated(keep='first')].copy()
删除重复行之一
DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)
删除SizeBC为空的行
df[np.isfinite(df['SizeBC'])] ## 将SizeBC 不为空的行取出来
df[pd.notnull(df['SizeBC'])] ## 同样作用
及时清理内存
import gc #####（garbage collector）
del a
gc.collect()
重新赋值时间index
t_index = pd.date_range('2019-12-07 17:30','2019-12-08 23:59:59.80' , freq='0.2S')
db=db.reindex(t_index)
只是筛选需要的时刻不做计算
aim_df=df.resample('0.5H',convention='start').asfreq()
改变数据类型为float32
BC[['SizeBC']]=BC[['SizeBC']].astype('float32')
找出SizeBC或者SCsize不为空的行
df[(~df['SizeBC'].isnull())|(~df['SCsize'].isnull())]
查看nan的
data[data.isnull().all(1)]
将两列时间拼接
sparse.png
数学符号
https://matplotlib.org/tutorials/text/mathtext.html
图例位置：
legend
