相关导航
pandas 函数详细介绍
看过来
《pandas 教程》 持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》 和 《Python之光》。
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()
- ~ 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
