1.pd.read_csv('一個文件.csv')：

從本地文件加載數據，返回一個 DataFrame 對象，這是 pandas 中用于存儲表格數據的主要數據結構

2.df.head()：

查看數據的前五行，幫助快速了解數據的基本結構和內容

3.df.info()：

查看數據的特征，包括每列的非空值數量、數據類型以及內存使用情況

4.df.shape：

返回數據的行數和列數，幫助了解數據的規模

5.df.describe()：

生成數據的描述性統計信息，如均值、標準差、最小值、最大值等，但默認只對數值型列進行統計

6.df.drop_duplicates(inplace = False)：

刪除重復行，inplace=False 表示返回一個新的 DataFrame，而不修改原數據

7.data.reset_index(inplace = True,drop = True)：

重置索引，drop=True 表示丟棄舊的索引

inplace=True：直接在原數據上修改，節省內存，但會改變原始數據。

inplace=False：返回一個新的數據對象，原始數據保持不變

drop：用于刪除行或列，可以通過 inplace 參數控制是否直接修改原數據

8.data.loc[data['sale_count'].isnull()].head() 和? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?data.loc[data['comment_count'].isnull()].tail()：

分別查看 sale_count 和 comment_count 列中缺失值的前五行和后五行，幫助了解缺失數據的情況

9.data.fillna(0)：

用 0 填補所有缺失值

10.data.isnull().any()：

檢查數據中是否還有缺失值

11.lcut_for_search

針對搜索引擎的分詞模式，更適合提取關鍵詞

12.data.groupby('店名')['銷售額'].sum()：

按店鋪名稱（店名）分組，計算每個店鋪的總銷售額

13.plt.pie：繪制餅圖

autopct='%0f%%'：

顯示百分比格式

pctdistance=0.9：

百分比標簽與餅圖中心的距離

14.plt.bar：繪制柱狀圖

15.ci=0：不顯示置信區間

16.plt.tight_layout():

自動調整子圖的布局，避免標簽重疊

17.pctdistance

pctdistance 的值小于 1，百分比標簽會顯示在餅圖內部，距離圓心越近，值越小

pctdistance 的值大于 1，百分比標簽會顯示在餅圖外部

18.ascending

ascending=True??表示按照升序排序（從小到大）

ascending=False??表示按照降序排序（從大到小）