基础真的很重要！！！
我想做的一件事是对百货公司每个楼层的会员重合性进行计算，以考察不同楼层的消费者购买关联性。
先上代码：
以上主要思路就是循环每个楼层的会员，然后计算两个楼层的会员重合数量，用重合数量除以二者总数量，就得到自定义的相关性，最大值为0.5，即两个楼层一样。
使用方法和遇到的问题如下：
1、定义空数据框，用于后期添加数据
xg=pd.DataFrame()#定义相关性数据框，这里注意，我们最好不要定义xg=pd.DataFrame（[ ] )，这样的空数据框只是一维的，后期如果添加数据可能会出现问题。
2、剔除重复项
b_drop = b.drop_duplicates(subset=‘会员卡号’)#去重，subset指定列，这列数据有重复，就删除整行。
3、起初只得到相关系数，但为了清楚表达什么和什么的相关，必须指定名称，但是问题重重，原因就在于我开始想的是，循环一次，加一个项目或者加一个行名字，但是总是出现问题
当我想， xg[‘交互项’][i]=name1+"*"+name2，出现了错误提示， 无交互项这个列，原因在于我们之前根本没有指定添加这一列，我们要添加列必须 xg[‘交互项’]=“[ ] ”，这之后才能进行赋值，但是问题在于即使我们在之前添加这一列，我们也不能进行赋值，因为代码运行到xg[‘交互项’]=“[ ] ，又出现了这一列空值，但我们又不能把其放在循环之外，因此，我们只能循环写入项目名称，再在循环外加入一列，或者修改索引名称即可。
4、append（）函数提供纵向合并的功能，但是数据必须是序列或者数据框，因此得出的相关系数必须转换为数据框，
xg = xg.append(pd.DataFrame([b_c]))
一定不能 xg = xg.append(b_c)，否则会报错。
5、dataframe行列名称的修改
列名称修改
修改行名：
修改行列名的另外一种方法：
当然推荐使用第二种方法，更加方便
但是要明确区分和reindex的区别：重新索引，不是改变索引名称，而是行的数值变化对应于索引位置的变化，如果是新索引，就会在那一行返回NAN
感兴趣的可以去查看一下文章
