Pandas库常用方法、函数集合

Pandas是Python数据分析处理的核心第三方库，它使用二维数组形式，类似Excel表格，并封装了很多实用的函数方法，让你可以轻松地对数据集进行各种操作。

这里列举下Pandas中常用的函数和方法，方便大家查询使用。

读取 写入

• read_csv：读取CSV文件
• to_csv：导出CSV文件
• read_excel：读取Excel文件
• to_excel：导出Excel文件
• read_json：读取Json文件
• to_json：导出Json文件
• read_html：读取网页中HTML表格数据
• to_html：导出网页HTML表格
• read_clipboard：读取剪切板数据
• to_clipboard：导出数据到剪切板
• to_latex：导出数据为latex格式
• read_sas：读取sas格式数据（一种统计分析软件数据格式）
• read_spss：读取spss格式数据（一种统计分析软件数据格式）
• read_stata：读取stata格式数据（一种统计分析软件数据格式）
• read_sql：读取sql查询的数据（需要连接数据库），输出dataframe格式
• to_sql：向数据库写入dataframe格式数据

连接 合并 重塑

• merge：根据指定键关联连接多个dataframe，类似sql中的join
• concat：合并多个dataframe，类似sql中的union
• pivot：按照指定的行列重塑表格
• pivot_table：数据透视表，类似excel中的透视表
• cut：将一组数据分割成离散的区间，适合将数值进行分类
• qcut：和cut作用一样，不过它是将数值等间距分割
• crosstab：创建交叉表，用于计算两个或多个因子之间的频率
• join：通过索引合并两个dataframe
• stack: 将数据框的列“堆叠”为一个层次化的Series
• unstack: 将层次化的Series转换回数据框形式
• append: 将一行或多行数据追加到数据框的末尾

分组 聚合 转换 过滤

• groupby：按照指定的列或多个列对数据进行分组
• agg：对每个分组应用自定义的聚合函数
• transform：对每个分组应用转换函数，返回与原始数据形状相同的结果
• rank：计算元素在每个分组中的排名
• filter：根据分组的某些属性筛选数据
• sum：计算分组的总和
• mean：计算分组的平均值
• median：计算分组的中位数
• min和 max：计算分组的最小值和最大值
• count：计算分组中非NA值的数量
• size：计算分组的大小
• std和 var：计算分组的标准差和方差
• describe：生成分组的描述性统计摘要
• first和 last：获取分组中的第一个和最后一个元素
• nunique：计算分组中唯一值的数量
• cumsum、cummin、cummax、cumprod：计算分组的累积和、最小值、最大值、累积乘积

数据清洗

• dropna: 丢弃包含缺失值的行或列
• fillna: 填充或替换缺失值
• interpolate: 对缺失值进行插值
• duplicated: 标记重复的行
• drop_duplicates: 删除重复的行
• str.strip: 去除字符串两端的空白字符
• str.lower和 str.upper: 将字符串转换为小写或大写
• str.replace: 替换字符串中的特定字符
• astype: 将一列的数据类型转换为指定类型
• sort_values: 对数据框按照指定列进行排序
• rename: 对列或行进行重命名
• drop: 删除指定的列或行

数据可视化

• pandas.DataFrame.plot.area：绘制堆积图
• pandas.DataFrame.plot.bar：绘制柱状图
• pandas.DataFrame.plot.barh：绘制水平条形图
• pandas.DataFrame.plot.box：绘制箱线图
• pandas.DataFrame.plot.density：绘制核密度估计图
• pandas.DataFrame.plot.hexbin：绘制六边形分箱图
• pandas.DataFrame.plot.hist：绘制直方图
• pandas.DataFrame.plot.line：绘制线型图
• pandas.DataFrame.plot.pie：绘制饼图
• pandas.DataFrame.plot.scatter：绘制散点图
• pandas.plotting.andrews_curves：绘制安德鲁曲线，用于可视化多变量数据
• pandas.plotting.autocorrelation_plot：绘制时间序列自相关图
• pandas.plotting.bootstrap_plot：用于评估统计数据的不确定性,例如均值,中位数,中间范围等
• pandas.plotting.lag_plot：绘制时滞图，用于检测时间序列数据中的模式、趋势和季节性
• pandas.plotting.parallel_coordinates：绘制平行坐标图，用于展示具有多个特征的数据集中各个样本之间的关系
• pandas.plotting.scatter_matrix：绘制散点矩阵图
• pandas.plotting.table：绘制表格形式可视化图

日期时间

• to_datetime: 将输入转换为Datetime类型
• date_range: 生成日期范围
• to_timedelta: 将输入转换为Timedelta类型
• timedelta_range: 生成时间间隔范围
• shift: 沿着时间轴将数据移动
• resample: 对时间序列进行重新采样
• asfreq: 将时间序列转换为指定的频率
• cut: 将连续数据划分为离散的箱
• period_range: 生成周期范围
• infer_freq: 推断时间序列的频率
• tz_localize: 设置时区
• tz_convert: 转换时区
• dt: 用于访问Datetime中的属性
• day_name, month_name: 获取日期的星期几和月份的名称
• total_seconds: 计算时间间隔的总秒数
• rolling: 用于滚动窗口的操作
• expanding: 用于展开窗口的操作
• at_time, between_time: 在特定时间进行选择
• truncate: 截断时间序列