df.head() # 头部 5 条
df.tail() # 尾部 5 条
df.sample() # 随机查看 5 条

df.shape # (100, 6) 查看行数和列数
df.info() # 查看索引、数据类型和内存信息
df.describe() # 查看数值型列的汇总统计
df.dtypes # 查看各字段类型
df.axes # 显示数据行和列名
df.columns # 列名

df["Q1"] # 指定列
df.Q1 # 同上一行

df[['team', 'Q1']] # 只看这两列
df.loc[:, ['team', 'Q1']] # 同上一行

df[df.index == 'Liver'] # 根据索引名称

# 根据自然索引
df[0:3] # 取前三个
df[0:10:2] # 前 10 个每隔两个取一个
df.iloc[:10, :] # 前 10 个

df.loc['Ben', 'Q1':'Q4']
df.loc['A': 'D', 'Q1': 'Q4']

df[df.Q1 > 90] # Q1 大于 90 的
df[df.team == 'C'] # team 列为 'C' 的
df[df.index == 'Oscar'] # 指定 index 名称

df.sort_values(by="Q1", ascending=False) # 按 Q1 降序排列, default is True

df.groupby('team').sum() # 求和
df.groupby('team').mean() # 求平均
df.groupby('team').agg({'Q1': sum, 'Q2': count, 'Q3': 'mean', 'Q4': max}) # agg 很强大

df.groupby('team').sum().stack()
df.groupby('team').sum().unstack()

>>> df_single_level_cols
     weight height
cat       0      1
dog       2      3
>>> df_single_level_cols.stack()
cat  weight    0
     height    1
dog  weight    2
     height    3
dtype: int64

df.mean()
df.corr() # 返回列与列之间的相关系数
df.max()
df.min()
df.std() # 标准差
df.var() # 方差
df.mode() # 众数
df.median() # 中位数

df.plot()