描述：行标签为日期，列标签为时间，表哥的值是 float 的数值

# 一、 读取 csv 文件

df=pd.read_csv("delay_3.csv",encoding = "utf-8")

# 二、 默认读取是行索引是 0 开始计数的，datestr 被作为文本读成了单元格数据，将datestr 转换成时间，并建立索引

# 2.1 要把 datestr 列转换成时间格式

df['datestr'] = pd.to_datetime(df['datestr'])

# 2.2 通过 set_index 重新设置新的列

df.set_index("datestr", inplace=True)

# 三、数据预处理，因为数据本身存在很多 空白数据，空白数据是 - （减号）

# 3.1 转换数据为数字类型，转换错误的数据，自动填充为 NAN

df=df.apply(pd.to_numeric, errors='coerce')

# 3.2 通过填充命令将数据填充 填充的规则是按照前一行，同一列进行填充

#print df.isnull().sum()

df=df.fillna(method='ffill')‘

# 查看下为 仍然为 null 的数据数量

#print df.isnull().sum()

#四、 通过切片进行访问，切出 这些天，每天的这些时刻的数据

df['2018-01-08':'2018-01-15','06:00':'20:00']

#五、分行和分列进行聚集操作

# 5.1 按列（时段）聚集

df.mean()

# 5.2 按日期（行）聚集

df_new=df.T

df_new.mean()

# 5.3 所有的数据取一个平均值

df.mean().mean()