数据处理的目的是为了数据分析，下面分享常用的数据分析中会用到的函数。
一，分组和聚合
groupby用于对数据分组，分组之后可以直接调用聚合函数求值；agg()函数把分组和调用聚合函数集成到一个函数来实现：
DataFrame.groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs) DataFrame.agg(self, func, axis=0, *args, **kwargs)
二，窗口
rolling()是指按照窗口滚动求值，expanding()是指依次递增1，计算累加；ewm指的是指数加权滚动平均：
DataFrame.rolling(self, window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None) DataFrame.expanding(self, min_periods=1, center=False, axis=0) DataFrame.ewm(self, com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0)
详细信息，可以参考：pandas 学习 第4篇：序列的处理（应用、聚合、转换、映射、分组、滚动、扩展、指数加权移动平均）
三，相关
计算两对列值之间的相关性：
DataFrame.corr(self, method='pearson', min_periods=1)
method：计算相关性的方法，有效值是 ‘pearson’, ‘kendall’, ‘spearman’ 或 callable
min_periods：每对列必须具有有效结果的最小观察数量，目前只适用于：Pearson 和 Spearman相关性。
四，统计函数
常用的统计函数：
- min、max：最小值、最大值
- mode：众数
- var：方差
- std：标准差
- sum：累加和
- mean：均值
- mad：绝对值的均值
- median：中位数
- quantile：百分位数
- count：计数
- cumsum：累加求和
- cumprod：累积乘积
- cummin、cummax：累积最小值、累积最大值
参考文档：