pandas数组的赋值，合并

pandas表示数组数值为空 arrayname.isnull()
numpy表示数组数值为空np.nan

1.pandas数组赋值与numpy赋值方法一致

一维数组
data[3]=100
data[‘b’]=100
二维数组
data.loc[‘c’,‘d’]=np.nan
data.iloc[3,4]=6

按条件赋值
data[data.isnull()]=300 空值赋值

对某列条件赋值（语法与numpy类似）

2.pandas数组的合并
2.1添加一行或者一列

data[‘E’]=np.arange(0,3) data数组添加一列
添加行不可以直接数组[]下标的形式
添加行：

不能使用iloc函数来添加
2.2 concat函数
与numpy区别：对于行数/列数是否相等没有要求，空的地方用Nan表示
与numpy区别：两个数组的维度不一定要相同
默认axis=0 上下合并，join=‘outer’ 空的地方用Nan表示
join=‘inner’ 拿出两个数组的重叠部分
ignore_index忽略行索引，默认False，即不忽略


2.3append函数
#和numpy的写法不同，和列表的写法相同
#对数组的维度，数组的列/行数没有要求
#只能数值添加
data1.append(data2) 效果相当于默认的concat axis=0，join=outer

2.4merge函数
把两个数组中某列有相同内容的行找出来

（1）on 指定两个数组都有的列，根据列名来找
（2）how默认为inner 即找data1，data2在B列上的交集
how选项outer/left/right

（3）left_on ,right_on 不是寻找两个数组索引名字相等的列，而是各自指定一列
写了left_on与right_on就不能写on参数
（4）left_index将第一个数组的行索引用作连接键
right_index 第二个数组的行索引用作连接键
注意，这两个必须同时为True 且必须一起出现
how改为outer

注：（numpy里 空值是np.nan）