names将所有的資料整合到單個DataFrame中
- concat預設将多個DataFrame整合到一起
- ignore_index=True， 因為我們不希望保留read_csv所傳回的原始行号
可以得到結果集為：
注意index的id，若不加ignore_index，則得到的結果集是
看出差別了吧。
利用groupby和pivot_table在sex和year級别上對其進行聚合了
作圖
下面我們要統計百分比，再來看下原始的names:
接着groupby year
year
1880 201486
1881 192703
1882 221538
1883 216954
1884 243466
Name: births, dtype: int64
現在想男女分開看：
year sex
1880 F 90993
M 110493
1881 F 91955
M 100748
1882 F 107851
下面來計算比例，并增加一列。astype的作用是類型轉換。
之後可以進行完整性認證，比如prop的和是否為1
傳回TRUE
現在我想取一個子集，比如year，sex groupby的頭1000個
男女的各自統計
制作透視表：
1880 9701.0
1881 8795.0
1882 9597.0
1883 8934.0
1884 9427.0
1885 8801.0
1886 9074.0
1887 8165.0
1888 9300.0
現在檢視這最熱的1000個名字所占全部名字的比例
cumsum是計算累計和
261874 0.842953
261875 0.843055
261876 0.843156
Name: prop, dtype: float64
array([116], dtype=int64)，即最終結果是117
1880 F [38]
M [14]
1881 F [38]
1882 F [38]
M [15]
1883 F [39]