1."df.isnul()返回一个布尔类型的 DataFrame，其中缺失值被标记为True，非缺失值被标记为 False。
"sum()方法被应用于这个布尔DataFrame，计算每列中缺失值的数量。
2。'df.info():提供的信息更全面。df.info()方法会打印有关 DataFrame 的摘要信息，包括每列的非空值数量、数现类型以及 DataFrame 占用的内存等信息虽然它不会直接告诉你有多少缺失值，但可以从非空值的数量中推断出缺失值的数量，
3.'df.describe():它提供了 DataFrame 中数值列的统计摘要有一个指标'coun!"提供了该列数据的计数，会反映出数值型字段的数据缺失情况。
4.'df.notnul().sum():会计算每列中非缺失值的数量。这与第一个相反，它计算了每列中的非缺失值数量,也可以用来探索缺失值的情况。
5.将df中所有缺失值替换为0：df.fillna(0)
6.'dfTabc].sum():计算了 DataFrame 中列名为"abc”的所有值的总和。
7.'d[abc].std():计算了 DataFrame 中列名为“abc”的数掘的标准差。
8.`df[abc].mean()':计算了 DataFrame 中列名为"abc”的数据的平均值。
9.'dfTabc7.hist():会绘制 DataFrame 中列名为"abc"的数据的直方图。
10.df.sort values('age',ascending=True)'是Pandas中用于按照指定列进行升序排序的方法。它会根据列名为"age"的数据对 DalaFrame 进行排序，并将结果返回。
11.Pandas 中的'mean()方法用于计算 DalaFrame 或 Series 中数值型数据的平均值，但它不接受列名作为参数
12.'mode()方法用于计算 Series中的众数(即出现频率最高的值)
13.'df['salary'].mean()'使用Pandas 中 Seres 对象的'mean()'方法来计算列名为"salary" 的数据的平均值，
14.'df.drop('gender,axis=1)使用 Pandas中 DataFrame 对象的'drop()方法来删除名为“gender"的列。指定'axis=1' 表示删除列，而不是行。
直方图是一种可视化工具，用于展示数据的分布情况。它将数据分成若干个区间，并统计每个区间中数据的数量或频率。通过直方图，可以直观地看到数据的分布形状、中心位置和离散程度。
