1、加载numpy和pandas，pandas中的 DataFrame,Series。
使用数组生成一个5*5的DataFrame，分别使用'Name','Salary','Age','Sex','flag'作为索引，赋值给df1；df2=df1.T表示将df1转置后赋值为df2；type(df2)查看df2的类型；如图所示
2、由DataFrame的一列生成Series。
df2['Salary']表示取df2的一列；type(df2['Salary'])表示查看df2['Salary']的类型（显示为Series）；如图所示
3、Series的绘图。
加载matplotlib.pyplot绘图库；
df2['Salary'].plot(style='b',lw=2,title='Salary Plot',ylim=(0,20000))表示对Series进行绘图，style='b'表示用蓝色，lw=2表示线宽为2，title='Salary Plot'表示图形标题为'Salary Plot'，ylim=(0,20000)表示Y轴的范围；
plt.ylabel('Salary')表示给Y轴添加标签；如图所示
4、DataFrame的groupby操作（单个字段分组）。
df2.Salary=df2.Salary.astype(float)表示将df2的字段Salary转化为float；group1=df2.groupby(['Sex'])['Salary']表示df2按照'Sex'分组后对'Salary'字段进行统计；group1.mean()、group1.max()、group1.size()分别表示按‘Sex’分组后每组‘Salary’的均值、最大值、个数；如图所示
5、DataFrame的groupby操作（多个字段分组）。
group2=df2.groupby(['Sex','flag'])['Salary']表示df2按照'Sex'和'flag'分组后，对‘Salary’进行统计；group2.sum()和group2.size()分别表示按'Sex'、'flag'分组后每组的薪水总和、每组的个数；（group2.size()和group2.count()效果一样的）如图所示
