一般这两个东西相互配合使用
pd.Series
若没有给定行和列的话，就会自动给0，1，2，3，4
describe= 只能描述数字，不可以描述字符串
ascending=false：倒序
一般的截取方式
特定的选取方式
有这三种挑选方式
一些改变某些值的方法
df.dropna=丢掉有nan的东西
axis = 指定是丢掉行还是丢掉列
若how = 'any'，就说明只要这一行/列有nan，就丢掉
若how = 'all'，就说明只有这一行/列都有nan，才丢掉
df.fillna = 填充nan值，把nan改为value的值，这里的意思就是把值为nan变成值为0
df.isnull = 看是否有nan，若有nan，则那个位置是True，若没有缺失数据，则不为nan，则返回False
np.any(df.isnull()) == true :若有一个及以上的True，则返回True，就说明起码有一个nan在表格当中，用于大规模数据的排查。
ignore_index = True = 忽略原来的序号排列，重新排列
outer:补齐，如果a有，b没有，合并的时候，补齐，用nan补齐 ，如果b有，a没有，合并的时候，补齐，用nan补齐
inner：最后只保留两者共有的部分，其他的都不要
join_axes = 只考虑df1.index 的序号排列，以df1为准
若df1有的，df2没有，则合并的时候，用nan补充，
若df1没有的，df2有，则合并的时候，舍去
听说这个方法新版本已经舍弃了？
