##### Series 索引,迭代,选择,标签 - [[Series.align()]] 对齐列 - [[Series.reindex()]] 重新索引 - [[Series.reset_index()]] 重置索引，默认将索引提出为列 ```python Series.pop(item) # 返回并删除行 Series.items() # 将 Series 行作为 (index, value) 进行迭代 Series.head(n=5) # 返回前 n 行 Series.tail(n=5) # 返回最后 n 行 Series.isin(values) # Series 中的元素是否包含在值中，返回布尔值 Series.equals(other) # 两个 Series 是否相等 Series.filter(items=None, like=None, regex=None, axis=None) # 行列标签筛选 Series.drop(labels) # 删除行标签返回新序列 Series.drop_duplicates(*, keep='first', inplace=False, ignore_index=False) # 删除重复值返回新序列 Series.duplicated(keep='first') # 返回布尔Series，标记重复值为True。 # first 标记第一次出现后。last 标记最后一次之前的。False 标记所有 Series.idxmax([axis, skipna]) # 最大值标签 Series.idxmin([axis, skipna]) # 最小值标签 Series.sample([n, frac, replace, weights, ...]) # 抽样 Series.add_prefix(prefix[, axis]) # 标签加前缀 Series.add_suffix(suffix[, axis]) # 标签加后缀 Series.truncate(before, after) # 在某个索引值之前和之后截断 Series Series.mask(cond, other=_NoDefault.no_default, *, inplace=False, axis=None, level=None) # 替换条件 cond 为 False 的值为 other Series.mask(cond, other=_NoDefault.no_default, *, inplace=False, axis=None, level=None) # 替换条件 cond 为 True 的值为 other ``` ##### DataFrame 索引,迭代,选择,标签 - [[DataFrame.xs()]] 交叉索引 - [[DataFrame.set_index()]] 使用现有列设置索引 - [[DataFrame.query()]] 布尔查询 - [[DataFrame.insert()]] 插入列 - [[DataFrame.drop()]] 从行或列中删除指定的标签