Pandas 函数列表

Pandas可用作数据科学最重要的Python软件包。它有助于提供许多以更简单的方式处理数据的函数。它的快速，灵活和富有表现力的数据结构旨在进行真实的数据分析。

无涯教程在备忘单中使用以下速记:

• df   -  引用Pandas Dataframe对象。
• s     -  引用Pandas Series对象。您可以使用以下导入来开始使用:

导入数据

• pd.read_csv(filename)                                                -  它从CSV文件读取数据。
• pd.read_table(filename)                                            -  用于从定界文本文件中读取数据。
• pd.read_excel(filename)                                            -  它从Excel文件读取数据。
• pd.read_sql(query，connection _object)            -  它从SQL表/数据库读取数据。
• pd.read_json(json _string)                                       -  它从JSON格式的字符串，URL或文件中读取数据。
• pd.read_html(url)                                                        -  它解析html URL，字符串或文件，并将表提取到数据帧列表中。
• pd.read_clipboard()                                                    -  它获取剪贴板的内容并将其传递给read_table()函数。
• pd.DataFrame(dict)                                                     - 从dict中，输入列名称的键，将数据值作为列表。

导出数据

• df.to_csv(filename)                                                    -  它写入CSV文件。
• df.to_excel(filename)                                                -  它将写入Excel文件。
• df.to_sql(table_name，connection_object)     -  它将写入SQL表。
• df.to_json(filename)                                                  -  它以JSON格式写入文件。

创建测试对象

这对于测试代码段很有用。

• pd.DataFrame(np.random.rand(7,18))                                                  -  是指18列和7行的随机浮点数。
• pd.Series(my_list)                                                                                           -  它从可迭代的my_list创建一个Series。
• df.index = pd.date_range('1940/1/20'，period = df.shape [0])     - 它添加日期索引。

检查数据

• df.head(n)                                                 -  它返回DataFrame的前n行。
• df.tail(n)                                                    -  它返回DataFrame的最后n行。
• df.shape                                                     -  它返回行数和列数。
• df.info()                                                     -  它返回索引，数据类型和内存信息。
• s.value_counts(dropna = False)      -  它查看唯一的值和计数。
• df.apply(pd.Series.value_counts)   -  它是指所有列的唯一值和计数。

选择数据

• df [col1]                        -  它返回标签为col的列为Series。
• df [[col1，col2]]        -  它将列作为新的DataFrame返回。
• s.iloc [0]                      -  按位置进行选择。
• s.loc ['index_one']   -  通过索引进行选择。
• df.iloc [0，:]               -  它返回第一行。
• df.iloc [0,0]                -  它返回第一列的第一个元素。

清理数据

• df.columns = ['a'，'b'，'c']                                                  -  它重命名了列。
• pd.isnull()                                                                                 -  它检查空值并返回布尔数组。
• pd.notnull()                                                                              -  与pd.isnull()相反。
• df.dropna()                                                                               -  它将删除所有包含空值的行。
• df.dropna(axis = 1)                                                                -  它将删除所有包含空值的列。
• df.dropna(axis = 1，thresh = n)                                       -  它将删除所有少于n个非空值的行。
• df.fillna(x)                                                                                 -  它将所有空值替换为x。
• s.fillna(s.mean())                                                                   -  它将所有空值替换为均值(均值可以用统计模块中的几乎所有函数替换)。
• s.astype(float)                                                                          -  它将系列的数据类型转换为float。
• s.replace(1，'one')                                                                  -  它将所有等于1的值替换为'one'。
• s.replace([1,3]，['one'，'3'])                                               -  它将所有1替换为'1'，将3替换为'3'。
• df.rename(columns = lambda x:x + 1)                            -  重命名列的质量。
• df.rename(columns = {'old_name':'new_name'})     -  它包含选择性重命名。
• df.set_index('column_one')                                                -  用于更改索引。
• df.rename(index = lambda x:x + 1)                                   -  重命名索引的质量。

筛选,排序和分组

• df[df[col] > 0.5]                                                                                            -   返回列col大于0.5的行
• df[(df[col] > 0.5) & (df[col] < 0.7)]                                                        -  返回其中0.7> col> 0.5的行
• df.sort_values(col1)                                                                                     -  它按col1升序对值进行排序。
• df.sort_values(col2,ascending=False)                                                 -   它按col2降序对值进行排序。
• df.sort_values([col1,col2],ascending=[True,False])                      - 它按col1升序和col2降序对值进行排序。
• df.groupby(col1)                                                                                            -   返回groupby对象以获取一列中的值。
• df.groupby([col1,col2])                                                                               -  返回来自多个列的值的groupby对象。
• df.groupby(col1)[col2])                                                                               -  返回col2中值的平均值，并按col1中的值分组。
• df.pivot_table(index=col1,values=[col2,col3],aggfunc=mean)   -  它创建由col1分组的数据unpivot表，并计算col2和col3的平均值。
• df.groupby(col1).agg(np.mean)                                                                -  它为每个唯一的col1组计算所有列的平均值。
• df.apply(np.mean)                                                                                         -  它在每列上应用np.mean()函数
• nf.apply(np.max,axis=1)                                                                              -  它在每行上应用np.max()函数

追加和合并

• df1.append(df2)                                                -  它将df1中的行添加到df2的末尾(列应相同)。
• pd.concat([df1，df2]，axis = 1)                  -  它将df1中的列添加到df2的末尾(行应相同)。
• df1.join(df2，on = col1，how ='inner')   -  SQL风格将df1中的列与df2中的列连接在一起，其中col的行具有相同的值，"how"可以属于"left"，"right，"outer"，"inner"。

统计数据

可以将统计函数应用于"Series"，如下所示:

链接：https://www.learnfk.comhttps://www.learnfk.com/pandas/pandas-cheat-sheet.html

来源：LearnFk无涯教程网

• df.describe()     -  它返回数字列的摘要统计信息。
• df.mean()           -  它返回所有列的均值。
• df.corr()              -  它返回数据框中各列之间的相关性。
• df.count()           -  它返回每个数据框列中所有非空值的计数。
• df.max()              -  它返回每个列中的最大值。
• df.min()               -  它返回每个列中的最小值。
• df.median()        -  它返回每列的中位数。
• df.std()                -  它返回每列的标准差。