#读写HTML文件：
##写入HTML文件：
1\. 创建DataFrame：
2\. 直接print出to_html()的内容可以发现将DataFrame转为了HTML中的格式
3\. 使用df.t- 阅读剩余部分 -
##读写CSV文件：
什么是CSV文件：以逗号分隔元素的文本文件。
---
####读取CSV文件：
格式1：
```python
pd.read_csv('文件名')
```
read_csv(- 阅读剩余部分 -
##NaN：
NaN数据即空数据，这种数据在数据处理中是非常常见的。
---
####一、初始化NaN数据：
使用numpy模块中的nan方法创建nan数据：
---
####二、赋值NaN数据：
直接赋值None即空数据：
， axis=1(默认为0，按index行；1按columns列)
##排序：
####按索引排序：
格式：
```python
pd.sort_index(ascending=True/False, axis=0/1)
```
Series的排序：
##作用于行列的函数：
```python
axis=0 表示求行元素； axis=1 表示求列元素。
```
当DataFrame与Series之间的索引行标签不同时，所涉及的元素会以NaN空元素填充：
#数据结构-DataFrame
介绍：DataFrame数据结构和关系型表格类似，相当于将Series扩展到多维。由多列组成，各列数据类型可以不同。
##一、 定义DataFrame：
统一格式：
```python
pd.DataFrame(矩阵，index=[行标签列表]，columns=[列标签列表])
```
方式一- 阅读剩余部分 -
#数据结构-Series
介绍：Series结构的内部由两个相关联的数组组成，其中一个数组用来存放索引，另一个数组用来存放数据(numpy中的任意数据类型)。
如图中两列左边一列作为存放索引的索引数组，右边一列作为存放数据的主索引。
1\. 导入模块：import pandas as pd
2\. 创建Series结构数据： - 阅读剩余部分 -
副本和视图：
1.在numpy中队数组做运算或操作时，返回的结果不是副本就是视图。
2.在numpy中所有的赋值运算不会为数组和数组中的任何元素创建副本。例如：创建一个数组a，将a赋值给b，修改a中的元素，结果b中的元素也会被修改。实际上a和b指向同一个地址空间。
3.数组切片操作返回的对象是原数组的视图。
4.要生成一个完整的副本，需要使用copy函数()。例：矩阵B = 矩阵A.copy()
5.向量化：向量化和广播这两个概念是Numpy内部实现- 阅读剩余部分 -
#数据文件的读写：
##内部数据读写：
方法一：二进制保存读取
```python
保存：np.save('文件名', 矩阵名)
读取：np.load('文件名')
```
方法二：文本格式保存读取：
```python
保存：np.savetxt('文件名',矩阵)
读取：np.loadtxt('文件名')
```
- 阅读剩余部分 -
结构体中指定不同数据类型的符号： 其中数字1代表1字节即1*8=8位的数据类型。
###定义结构体：
```python
np.array( [(元素1, 元素2...)，], dtype=[('类型名1','数据类型1'), ('类型名2','数据类型2')......] )
```
