Pandas函数摘要

Pandas是Python中一个用于数据分析的强大库，该库包含多个功能丰富的函数。以下是30个高频使用的Pandas函数概要。

数据读取与保存

• read_csv(): 读取CSV文件生成DataFrame。
• read_excel(): 读取Excel文件生成DataFrame。
• to_excel(): 保存DataFrame到Excel文件。

数据探索

• head(): 显示DataFrame的前n行。
• tail(): 显示DataFrame的后n行。
• shape: 返回DataFrame的行列数。
• columns: 返回DataFrame的列名列表。
• index: 返回DataFrame的索引列表。
• describe(): 生成描述性统计数据。
• info(): 返回DataFrame的信息摘要。
• dtypes: 显示每列的数据类型。

数据处理

• drop(): 删除指定的行或列。
• sort_values(): 根据列值排序DataFrame。
• loc[]: 通过标签选择数据。
• iloc[]: 通过位置选择数据。
• at[]: 选择单个数据元素。
• iat[]: 选择单个数据元素。
• isnull(): 检查缺失值。
• notnull(): 检查非缺失值。
• fillna(): 填充缺失值。
• replace(): 替换值。
• rename(): 重命名列。
• set_index(): 设置索引列。
• reset_index(): 重置索引。
• groupby(): 对数据按列分组。
• agg(): 应用聚合函数。
• unique(): 查找列的唯一值。

数据合并

• concat(): 连接多个DataFrame。
• merge(): 合并DataFrame，基于一个或多个键。

数据应用

• apply(): 应用函数至行或列。

这些函数覆盖了数据分析的各个阶段，包括数据加载、预处理、转换和分析，展现了Pandas在数据分析中的灵活性和易用性。

想要了解更多内容？

查看原文：Pandas的30个高频函数使用介绍

文章来源：

Python学习杂记

扫码关注公众号

DevOps和它的朋友们——聊聊其他 “Ops”（一）

了解更多