pandas 函数详细介绍

本章节会介绍一些 Pandas 常用的 API 介绍，这些接口文档在官网上往往介绍得非常详细，但由于部分同学没有养成看英文官方文档的习惯，故做一些梳理。

需要再次强调的是，我不打算介绍所有的 API 细节，因为有些使用非常简单，另外还是建议大家学好英语去看官方的文档，很全很细。

常用方法介绍

• - 基础能力
• ~ pd.Series() 创建 Series
• ~ pd.Index() 构造索引对象
• - 数据查询
• ~ loc[] 查询数据行和列
• ~ iloc[] 数字索引位置选择
• ~ at[] / iat[] 获取单个值
• ~ at[] 根据标签获取单个值
• ~ iat[] 位置索引访问单个值
• ~ filter() 筛选标签
• ~ where() 和 mask() 按条件替换值
• ~ query() 数据查询
• ~ isin() 是否包含指定值
• ~ first() 函数
• ~ head(n) 返回前 n 行
• ~ xs() 按索引标签选择数据
• ~ tail() 查看尾部数据
• ~ sample() 随机抽取样本
• - 函数调用
• ~ pipe() 管道方法
• ~ apply() 按轴应用函数
• ~ applymap() 逐元素调用函数
• ~ map() 数值映射
• ~ map(), applymap() 和 apply() 对比
• ~ transform() 数值转换
• ~ agg() 聚合操作
• ~ groupby apply() 和 transform() 区别
• ~ axis 参数详解
• - 读取导出
• ~ pd.read_csv()
• ~ pd.read_excel()
• ~ pd.json_normalize()
• ~ pd.read_pickle()
• ~ pd.read_table()
• - 数据操作
• ~ replace() 数据替换
• ~ fillna() 填充缺失值
• ~ pd.wide_to_long() 长表转宽表
• ~ eval() 表达式计算
• ~ assign() 指定新列
• ~ groupby() 创建分组对象
• ~ sort_values() 排序
• ~ dropna() 删除缺失值
• ~ squeeze() 数据挤压降维
• ~ insert() 插入列
• ~ pop() 删除并返回指定列
• - 索引
• ~ set_index() 设置索引
• ~ reindex() 重新设置索引
• ~ reindex_like() 应用相似索引
• ~ rename() 重命名索引
• ~ set_axis() 修改索引标签
• ~ rename_axis() 重命名索引名
• ~ reset_index() 重置索引
• ~ sort_index() 索引排序
• - 数据类型
• ~ astype() 类型转换
• ~ pd.to_numeric() 转换为数字类型
• ~ convert_dtypes() 自动类型转换
• ~ infer_objects() 推断object为合适类型
• - 其他
• ~ pd.concat() 有更新
• ~ align() 数据对齐
• ~ value_counts() 唯一值计数
• ~ case_when() 条件替换
• ~ info() 数据信息

更新时间：2024-07-15 10:19:44 标签：pandas api