Pyecharts

画图可以使用echarts，如上一篇文章中所讲，也可以使用pyecharts。
下面介绍pycharts在jupyter中的使用方法
pyecharts官网
http://pyecharts.org/#/
1、安装pycharts 可以使用pip 命令安装，可以直接在jupyter中写入代码。

!pip install pyecharts

2、引用pyecharts
3、具体使用看pycharts官网

Pandas

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

常用数据类型

• Series 一维，带有标签的数组
• DataFrame 二维 ，Series容器
  https://blog.csdn.net/yiyele/article/details/80605909

t = pd.Series(data = np.arange(10),index = list(string.ascii_uppercase[:10]))
t
a={string.ascii_uppercase[i]:i for i in range(10)}
a
pd.Series(a)
pd.Series(a,index = list(string.ascii_uppercase[5:15]))
# nan 数据类型为float 对应index相同的有值，没有对应index则为nan


import webbrowser
link= "https://www.baidu.com/"  # 打开链接
webbrowser.open(link)
#显示粘贴板的内容
df = pd.read_clipboard()
df
# dataFrame 对象既有行索引又有列索引
# 行索引 横向索引 index axis=0
# 列索引 纵向索引，表明不同的列 columns axis=1
pd.DataFrame(data = np.arange(12).reshape(3,4),
             index = list(string.ascii_lowercase[:3]),
            columns = list(string.ascii_uppercase[-4:]))

#创建DataFrame的另一种方法
d1 = {"name":["xiaoming","xiaoming"],
       "age":[18,20],
        "tel":[10086,10010]
     }
t2=DataFrame(d1)