pandas对象有一个强大的数学、统计方法集合，大部分属于归约、汇总统计的类别，这些方法从DataFrame的行或列中抽取一个Series或一系列的单个值，同时还内建了处理缺失值的功能

下面是一些函数使用的例子，包括归约方法和积累型方法：

frame = pd.DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,-1.3]],index=['a','b','c','d'],columns=['one','two'])
print(frame)	==>
    one  two
a  1.40  NaN
b  7.10 -4.5
c   NaN  NaN
d  0.75 -1.3
print(frame.sum())	==>
one    9.25
two   -5.80
dtype: float64
print(frame.sum(axis='columns'))	==>
a    1.40
b    2.60
c    0.00
d   -0.55
dtype: float64
print(frame.idxmax())	==>
one    b
two    d
dtype: object
print(frame.describe())	==>
            one       two
count  3.000000  2.000000
mean   3.083333 -2.900000
std    3.493685  2.262742
min    0.750000 -4.500000
25%    1.075000 -3.700000
50%    1.400000 -2.900000
75%    4.250000 -2.100000
max    7.100000 -1.300000

下面是相关的一些方法：

唯一值、计数和成员属性

一些相关方法可以从一维Series包含的数值中提取信息

下面的unique代表找出唯一值，value_counts返回其中包含各个值的个数，isin会执行向量化的成员检查，返回布尔类型

obj = pd.Series(['c','a','d','a','a','b','b','c','c'])
print(obj)	==>
0    c
1    a
2    d
3    a
4    a
5    b
6    b
7    c
8    c
dtype: object
print(obj.unique())	==>
['c' 'a' 'd' 'b']
print(obj.value_counts())	==>
c    3
a    3
b    2
d    1
dtype: int64
print(obj.isin(['b','c']))	==>
0     True
1    False
2    False
3    False
4    False
5     True
6     True
7     True
8     True
dtype: bool

下面是一些成员属性方法的参考：