Pandas
Pandas是一个Python语言的开源软件库，用于数据分析，可以方便对数据进行处理、计算、分析、存储及可视化。
简介
时间轴
- 2008年，开发者Wes McKinney在AQR Capital Management开始制作pandas来满足在财务数据上进行定量分析对高性能、灵活工具的需要。在离开AQR之前他说服管理者允许他将这个库开放源代码。
- 2011年10月24日，发布Pandas 0.5
- 2012年，另一个AQR雇员Chang She加入了这项努力并成为这个库的第二个主要贡献者。
- 2015年，Pandas签约了NumFOCUS的一个财务赞助项目，它是美国的501(c)(3)非营利慈善团体。
- 2019年7月18日，发布Pandas 0.25.0
- 2020年1月29日，发布Pandas 1.0.0
- 2020年7月2日，发布Pandas 1.3.0
了解更多 >> Pandas 发布日志 Pandas Github：发行
安装和升级
使用pip安装Pandas，如果使用的是Anaconda等计算科学软件包，已经包含了pandas库。
pip install pandas #安装最新版本
pip install pandas==0.25.0 #安装特定版本
验证是否安装好，可以导入Pandas，使用__version__属性查看Pandas版本：
import pandas as pd
pd.__version__
升级：
pip install --upgrade pandas
了解更多 >> Pandas 开始：安装
数据结构
pandas定义了2种数据类型，Series和DataFrame，大部分操作都在这两种数据类型上进行。
了解更多 >> Pandas 用户指南：数据结构
Series
Series是一个有轴标签（索引）的一维数组，能够保存任何数据类型（整数，字符串，浮点数，Python对象等）。轴标签称为index。和Python字典类似。
创建Series的基本方法为，使用pandas.Series类新建一个Series对象，格式如下：
pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
轴标签index不是必须，如果省略，轴标签默认为从0开始的整数数组。一些示例如下：
s = pd.Series(["foo", "bar", "foba"])
print(type(s)) #<class 'pandas.core.series.Series'>
s2 = pd.Series(["foo", "bar", "foba"], index=['b','d','c'])
# 创建日期索引
date_index = pd.date_range("2020-01-01", periods=3, freq="D")
s3 = pd.Series(["foo", "bar", "foba"], index=date_index)
了解更多 >> Pandas 用户指南：Series Pandas API：Series
DataFrame
DataFrame是有标记的二维的数据结构，具有可能不同类型的列。由数据，行标签（索引，index），列标签（列，columns）构成。类似电子表格或SQL表或Series对象的字典。它通常是最常用的Pandas对象。
创建DataFrame对象有多种方法：
- 使用
pandas.DataFrame()构造方法 - 使用
pandas.DataFrame.from_dict()方法，类似构造方法 - 使用
pandas.DataFrame.from_records()方法，类似构造方法 - 使用函数从导入文件创建，如使用
pandas.read_csv()函数导入csv文件创建一个DataFrame对象。
构造方法pandas.DataFrame()的格式为：
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
示例：
df = pd.DataFrame([['foo', 22], ['bar', 25], ['test', 18]],columns=['name', 'age'])
查看数据
表示例中s为一个Series对象，df为一个DataFrame对象：
>>> s = pd.Series(['a', 'b', 'c'])
>>> s
0 a
1 b
2 c
dtype: object
>>> df = pd.DataFrame([['foo', 22], ['bar', 25], ['test', 18]],columns=['name', 'age'])
>>> df
| 属性/方法 | 描述 | 支持对象 | 示例 |
|---|---|---|---|
| head() | 返回前n行数据，默认前5行 | Series DataFrame | df.head()返回df前5行数据df.head(10)返回df前10行数据。
|
| tail() | 返回最后n行数据，默认最后5行 | Series DataFrame | df.tail()返回df最后5行数据df.tail(10)返回df最后10行数据。
|
| dtypes | 返回数据的Numpy数据类型（dtype对象） | Series DataFrame | s.dtypesdf.dtypes
|
| dtype | 返回数据的Numpy数据类型（dtype对象） | Series | s.dtype
|
| array | 返回 Series 或 Index 数据的数组，该数组为pangdas扩展的python数组. | Series | s.array 返回：<PandasArray> ['a', 'b', 'c'] Length: 3, dtype: object |
| attrs | 此对象全局属性字典。 | Series DataFrame | s.attrs返回{}
|
| hasnans | 如果有任何空值（如Python的None，np.NaN）返回True，否则返回False。 | Series | s.hasnans 返回False |
| values | 返回ndarray（NumPy的多维数组）或类似ndarray的形式。 | Series DataFrame | s.values返回array(['a', 'b', 'c'], dtype=object)
|
| ndim | 返回数据的维数，Series返回1，DataFrame返回2 | Series DataFrame | s.ndim返回1 df.ndim返回2
|
| size | 返回数据中元素的个数 | Series DataFrame | s.size返回3 df.ndim返回6
|
| shape | 返回数据形状（行数和列数）的元组 | Series DataFrame | s.shape返回(3, ) df.shape返回(3, 2)
|
| empty | 返回是否为空，为空返回Ture | Series DataFrame | s.empty返回False df.empty返回False
|
| name | 返回Series的名称。 | Series | s.name返回空
|
| memory_usage() | 返回Series或DataFrame的内存使用情况，单位Bytes。参数index默认为True，表示包含index。 参数deep默认为False，表示不通过查询dtypes对象来深入了解数据的系统级内存使用情况 |
Series DataFrame | s.memory_usage()返回空152 df.memory_usage(index=False)
|
| info() | 打印DataFrame的简要信息。 | DataFrame | df.info()
|
| select_dtypes() | 根据列的dtypes返回符合条件的DataFrame子集 | DataFrame | df.select_dtypes(include=['float64'])
|
索引
查看索引
| 属性/方法 | 描述 | 支持对象 | 示例 |
|---|---|---|---|
| index | 索引（行标签），可以查看和设置 | Series DataFrame | s.index返回RangeIndex(start=0, stop=3, step=1) s.index[0] 返回第一个索引值 df.index
|
| columns | 列标签，Series无，可以查看和设置 | DataFrame | df.columns
|
| keys() | 列标签，没有就返回索引 | Series DataFrame | df.keys()返回列标签
|
| axes | 返回轴标签（行标签和列标签）的列表。 Series返回[index] DataFrame返回[index, columns] |
Series DataFrame | s.axes返回[RangeIndex(start=0, stop=3, step=1)] df.axes返回索引和列名。
|
| idxmax() | 返回第一次出现最大值的索引位置。 | Series DataFrame | df.idxmax()
|
| idxmin() | 返回第一次出现最小值的索引位置。 | Series DataFrame | s.idxmin()
|
设置与重置索引
Series对象和DataFrame对象可以通过.index或.columns属性设置，还可以通过以下方法来设置与重置。
| 属性/方法 | 描述 | 支持对象 | 示例 |
|---|---|---|---|
| set_index() | 将某列设置为索引 | DataFrame | df.set_index('col_3')将‘col_3’列设置为索引。
|
| reset_index() | 重置索引，默认从0开始整数。参数：drop是否删除原索引，默认不删除 level重置多索引的一个或多个级别。
|
Series DataFrame | |
| reindex() | 用Series或DataFrame匹配新索引。对于新索引有旧索引无的默认使用NaN填充，新索引无旧索引有的删除。 | Series DataFrame | |
| reindex_like() | Return an object with matching indices as other object. | Series DataFrame | |
| rename() | 修改轴（索引或列）标签。 | Series DataFrame Index | df.rename(columns={"date": "日期", "A": "a"}) 修改部分列名 df.rename(index={0: "x", 1: "y", 2: "z"}) 将原来索引012修改为xyz df.rename(index=str) 将索引转换为字符串 df.rename(str.lower, axis='columns')列名小写
|
| rename_axis() | Set the name of the axis for the index or columns. | Series DataFrame | |
| set_axis() | Assign desired index to given axis. | Series DataFrame | df.set_axis(['a', 'b', 'c'], axis='index')df.set_axis(['I', 'II'], axis='columns')
|
| add_prefix() | 索引或列标签添加前缀 | Series DataFrame | s.add_prefix('item_') df.add_prefix('col_')
|
| add_suffix() | 索引或列标签添加后缀 | Series DataFrame |
多层索引
| 属性/方法 | 描述 | 函数 | 示例 |
|---|---|---|---|
| MultiIndex.from_arrays() | 创建多层索引 | pandas.MultiIndex.from_arrays(arrays, sortorder=None, names=NoDefault.no_default) | arrays = [['手机', '手机', '手机', '电脑'], ['黑色', '白色', '灰色', '黑色']]
pd.MultiIndex.from_arrays(arrays, names=('类别', '颜色'))
|
| MultiIndex.from_tuples() | 创建多层索引 | ||
| MultiIndex.from_product() | 创建多层索引 | ||
| MultiIndex.from_frame() | 创建多层索引 | ||
选取与迭代
概览
| 方法 | 描述 | 示例 |
|---|---|---|
索引运算符 [ ]
|
Python中序列对象使用self[key]是在调用对象的特殊方法__getitem__() 。Python运算符[ ]有3种通用序列操作：self[i] 取第i项(起始为0)self[i:j] 从 i 到 j 的切片self[i:j:k] s 从 i 到 j 步长为 k 的切片 Pandas支持NumPy扩展的一些操作： self[布尔索引]，如s[s>5]
|
s[1] 取s的第二个值df[1:-1]切片，返回df第二行到倒数第二行组成的DataFrame对象
|
属性运算符.
|
同Python字典属性获取 | df.a返回df的名称为a的列
|
按标签选择 loc[ ]
|
通过对象调用.loc属性生成序列对象，序列对象调用索引运算符[]。
|
df.loc[2]选取索引（行标签）值为2的行 df.loc[1:2] 选取索引值为1到2的行 df.loc[[1,2]]选取索引值为1和2的行 df.loc[1,'name']选取行标签值为1，列标签值为'name'的单个值df.loc[[1:2],'name']选取行标签值为1到2，列标签值为'name'的数据
|
按位置选择 iloc[ ]
|
纯粹基于整数位置的索引方法，通过对象调用.iloc属性生成序列对象，然后序列对象调用索引运算符[]。
|
s.iloc[2]选取行标签位置为2的行 s.iloc[:2] 选取索引为0到2（不包含2）的值 s.iloc[[True,False,True]]选取索引位置为True的值 s.iloc[lambda x: x.index % 2 == 0]选取索引为双数的值
|
按标签选择单个 at[ ]
|
通过行轴和列轴标签对获取或设置单个值。 | s.at[1]返回'b's.at[2]='d'设置索引位置为第三的值等于'd' df.at[2, 'name']'获取index=2，columns='name'点的值
|
按位置选择单个 iat[ ]
|
通过行轴和列轴整数位置获取或设置单个值。 | s.iat[1]s.iat[2]='d'
|
查询方法 query()
|
DataFrame对象query()方法，使用表达式进行选择。DataFrame.query(expr, inplace=False, **kwargs)
|
df.query('A > B')相当于df[df.A > df.B]
|
通过行列标签筛选 filter()
|
通过行列标签筛选 Series.filter(items=None, like=None, regex=None, axis=None) DataFrame.filter(items=None, like=None, regex=None, axis=None)
|
df.filter(like='bbi', axis=0)选取行标签包含'bbi'的行。
|
多索引选择 xs()
|
只能用于选择数据，不能设置值。可以使用iloc[ ]或loc[ ]替换。Series.xs(key, axis=0, level=None, drop_level=True) DataFrame.xs(key, axis=0, level=None, drop_level=True)
|
df.xs('a', level=1) |
| 选择一列 get() |
选择某一列 Series.get(key, default=None) DataFrame.get(key, default=None)
|
df.get('a')返回a列
|
选择指定标签列并删除 pop()
|
返回某一列，并从数据中删除，如果列名没找到抛出KeyError。Series.pop(item) DataFrame.pop(item)
|
df.pop('a')返回a列并从df中删除。
|
删除指定标签列 drop()
|
返回删除指定标签列后的数据 Series.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
|
|
抽样 sample()
|
返回抽样数据 Series.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None) DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
|
了解更多 >> Pandas 指南：索引与选择数据 Python 3 文档：序列类型 - 通用序列操作 Python 3 文档：数据模型 - 特殊方法名称 NumPy 文档：初学者基础知识 - 索引和切片
按标签选择
pandas提供基于标签的索引方法，通过对象调用.loc属性生成序列对象，序列对象调用索引运算符[]。该方法严格要求，每个标签都必须在索引中，否则会抛出KeyError错误。切片时，如果索引中存在起始边界和终止边界，则都将包括在内。整数是有效的标签，但它们引用的是标签，而不是位置（索引顺序）。
| .loc索引输入值 | 描述 | Series示例 | DataFrame示例 |
|---|---|---|---|
| 单个标签 | 例如5或'a'（注意，5被解释为索引的标签，而不是整数位置。） | s.loc['a'] 返回s索引为'a'的值
|
df.loc['b'] 返回df索引（行标签）为'b'的行（Series对象）
|
| 标签列表或标签数组 | 如['a', 'c']（注意：这种方式会有两组方括号[[]]，里面是生成列表，外面是索引取值操作）
|
s.loc[['a', 'c']]返回s索引为'a'和'c'的值（Series对象）
|
df.loc[['a', 'c']]返回df索引（行标签）为'a'和'c'的行（DataFrame对象）
|
| 带标签的切片对象 | 切片如 'a':'f'表示标签'a'到标签'f'，步长切片如 'a':'f':2表示标签'a'到标签'f'按步长2选取（注意：和Python切片不同，这里包含开始标签和结束标签），还有一些常用示例如：'f':从标签'f'开始到最后:'f'从最开始到标签'f':全部标签
|
s.loc[a:c] 返回s索引'a'到'c'的值
|
df.loc[b:f] 返回df索引（行标签）'b'到'f'的行（DataFrame对象）
|
| 行标签,列标签 | 只有DataFrame可用，格式行标签,列标签，行标签或列标签可以使用切片或数组等。
|
− | df.loc['a','name']选取索引为'a'，列标签为'name'的单个值。df.loc['a':'c','name' ]返回Series对象df.loc['a':'c','id':'name' ]返回DataFrame对象
|
| 布尔数组 | 如[True, False, True]。注意布尔数组长度要与轴标签长度相同，否则会抛出IndexError错误。 | s.loc[[True, False, True]] 返回s的第1个和第3个值
|
df.loc[[False, True, True]] 返回df的第2行和第3行
|
| callable function | 会返回上面的一种索引形式 |
了解更多 >> Pandas 指南：索引与选择数据 - 按标签选择 Pandas 参考：DataFrame对象 - DataFrame.loc Pandas 参考：Series对象 - Series.loc
按位置选择
pandas还提供纯粹基于整数位置的索引方法，通过对象调用.iloc属性生成序列对象，然后序列对象调用索引运算符[]。尝试使用非整数，即使有效标签也会引发IndexError。索引是从0开始的整数。切片时，包含起始索引，不包含结束索引。
| .iloc索引输入值 | 描述 | Series示例 | DataFrame示例 |
|---|---|---|---|
| 单个整数 | 例如3 | s.iloc[0] 返回s位置索引为0的值，即第一值
|
df.iloc[5] 返回df索引为5的行（Series对象），即df的第六行的
|
| 整数列表或数组 | 如[0,5]（注意：这种方式会有两组方括号[[]]，里面是生成列表，外面是索引取值操作）
|
s.iloc[[0,5]]返回s索引为0和5的值（Series对象）
|
df.iloc[[2,5]]返回df索引为2和5的行（DataFrame对象）
|
| 带标签的切片对象 | 切片如 3:5表示索引3到索引5，步长切片如 0:5:2表示索引0到索引5按步长2选取，还有一些常用示例如：2:从索引2开始到最后:6从最开始到索引6:全部索引
|
s.iloc[3:5] 返回s索引3到索引5的值
|
df.iloc[3:5] 返回df索引3到索引5的行（DataFrame对象）
|
| 行位置索引,列位置索引 | 只有DataFrame可用，格式行位置索引,列位置索引，行位置或列位置可以使用切片或数组等。
|
− | df.iloc[0, 2]选取第1行第3列的单个值。df.iloc[2:5, 6 ]返回第3行到5行中的第7列（Series对象）df.iloc[2:5, 0:2 ]返回Data第3行到5行中的第1列到第2列（Frame对象）
|
| 布尔数组 | 如[True, False, True]。注意布尔数组长度要与轴标签长度相同，否则会抛出IndexError错误。 | s.iloc[[True, False, True]] 返回s的第1个和第3个值
|
df.iloc[[False, True, True]] 返回df的第2行和第3行
|
| callable function | 会返回上面的一种索引形式 |
了解更多 >> Pandas 指南：索引与选择数据 - 按位置选择 Pandas 参考：DataFrame对象 - DataFrame.iloc Pandas 参考：Series对象 - Series.iloc
迭代
| 属性/方法 | 描述 | 示例 |
|---|---|---|
| __iter__() | Series返回值的迭代器 DataFrame返回轴的迭代器 Series.__iter__() DataFrame.__iter__() |
s.__iter__()
|
| items() | Series遍历，返回索引和值的迭代器 DataFrame按列遍历，返回列标签和列的Series对迭代器。 Series.items() DataFrame.__iter__() |
s.items() df.items() for label, content in df.items():
|
| iteritems() | 返回可迭代的键值对，Series返回索引和值，DataFrame返回列名和列。 Series.iteritems() DataFrame.iteritems() |
|
| iterrows() | Iterate over DataFrame rows as (index, Series) pairs. DataFrame.iterrows() |
|
| itertuples() | DataFrame.itertuples(index=True, name='Pandas') | |
| apply() | 也可以使用apply() | 打印每一列：def test(x):
print(x)
df.apply(test)
def test(x):
print(x['price'])
df.apply(test, axis=1)
|
处理
重复数据
如果要标识或删除重复的行，可以使用duplicated和drop_duplicates方法。
| 方法 | 描述 | 不同对象的方法 | 示例 |
|---|---|---|---|
| duplicated | 标识重复行，返回一个布尔值序列。参数： keep：默认为 keep='first'标记第一次出现的重复项为False，其他都为Ture。keep='last'标记最后出现的重复项为False，其他都为Ture。keep=False标记所有重复项为Ture。
|
||
| drop_duplicates | 删除重复行，返回删除后的对象。参数： keep：默认为 keep='first'保留第一次出现的重复项，其他都删除。keep='last'保留最后出现的重复项，其他都删除。keep=False重复项都删除。
|
Series.drop_duplicates(keep='first', inplace=False) DataFrame.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False) Index.drop_duplicates(keep='first') |
df.drop_duplicates()删除df中所有列的值都相同的行。df.drop_duplicates(['日期', '品种'])删除df中日期和品种列都相同的行
|
缺失值 NA
| 名称 | 描述 | 示例 |
|---|---|---|
| 缺失值表示 | NaN，Python的float类型，可以使用float('nan')创建，NaN是not a number的缩写。Numpy中的np.nan一样是Python的float类型，np.NaN和np.NAN是别名。 pandas使用其用来表示缺失值。None，Python一种数据类型（NoneType） NA， Pandas 1.0开始实验的使用该类型来表示缺失值。 NaT
|
|
| 判断缺失值 | NaN类型缺失值是浮点数，不能直接比较。 pd.isnull()，判断单个值，pd.isna() 判断单个值 df.isnull()、s.isnull() 判断DataFrame或Series空值，返回每个值是否空值 df.isnull().any()、s..isnull().any() 返回布尔值，是否有空值
|
pd.isna(pd.NA) |
| 填充缺失值 | fillna()，填充缺失值 常用参数：method pad或ffill向前填充，backfill或bfill向后填充
|
fillna(0)缺失值填充0 df.fillna(method="pad")缺失值向前填充 df.fillna(method="pad", limit=1)缺失值向前填充，但限制1次
|
| dropna() |
了解更多 >> Pandas 指南：处理缺失数据 Numpy API：numpy.nan
类型转换
文本数据
Series和Index配备了一组字符串处理方法，这些方法使您可以轻松地对数组的每个元素进行操作。也许最重要的是，这些方法会自动排除丢失/ NA值。这些可以通过str属性访问。
| 方法 | 描述 | 示例 |
|---|---|---|
| upper( ) | 字符串全部大写 | s.str.upper( )s字符串全部转为大写
|
| lower( ) | 字符串全部小写 | s.str.lower( )s字符串全部转为小写 df.columns.str.lower()df的列索引全部转为小写
|
| strip() lstrip() rstrip() |
删除字符串开始和结束位置某些字符，默认删除空格。 lstrip()删除左边，rstrip()删除右边
|
s.str.strip删除s两端的空格。 s.str.lstrip( ) 删除开始位置的所有空格。s.str.lstrip('12345.') 删除s开始位置包含'12345.'中任意的字符，如'1.开始'返回'开始'。 s.str.rstrip( ) 删除字符串结束位置的所有空格。 s.str.rstrip('\n\t')删除字符串后面的'\n'或'\t'
|
| split() rsplit() |
字符拆分。 rsplit()从结束位置开始拆分。参数：pat：拆分依据，字符串或正则表达式，默认空格。 n：拆分次数，默认全部拆分。 expand：是否将拆分的每一组展开为一列，默认不展开。 |
s.str.split()s按空格全部拆分。 s.str.split('/', n=2)s按'/'拆分，且只拆前面两个'/'。 s.str.split('/', n=2, expand=True)拆分后并按组展开列。 s.str.rsplit('/', n=2)s按'/'拆分，且只拆最后两个'/'。
|
| contains( ) | 测试字符串是否包含在序列中，默认使用正则表达式。 na如果有空值，需要使用na参数指定空值为True或False，否者会报错误： ValueError: Cannot mask with non-boolean array containing NA / NaN values
|
df['code'].str.contains('TC', na=False) code列是否包含'TC'，遇到Nan值为False，返回值是bool的序列。 df[df['code'].str.contains('TC', na=False)] 筛选出df的'code'列中包含'TC'的行 s.str.contains('TC',regex=False ) 仅使用文字模式，测试是否包含'TC'
|
| match( ) | 从开头位置测试是否匹配正则表达式，返回值是bool的序列。 contains()在字符串中间位置匹配也会返回True，而match()需要从字符串开始位置匹配。 | AF') s中是否以'abc'或'AF'开头。 |
| replace() | 替换，默认使用正则表达式。参数： | s.str.replace('f.', 'ba', regex=False) 将s列中的'f.'替换成'ba'。
|
| extract( ) | 提取，正则表达式匹配到的分组。 | |
| extractall( ) | Extract capture groups in the regex pat as columns in DataFrame. | |
| findall( ) | Find all occurrences of pattern or regular expression in the Series/Index. | |
| cat( ) | Concatenate strings in the Series/Index with given separator. | |
| center( ) | Pad left and right side of strings in the Series/Index. | |
| count( ) | Count occurrences of pattern in each string of the Series/Index. | |
| decode() | Decode character string in the Series/Index using indicated encoding. | |
| encode( ) | Encode character string in the Series/Index using indicated encoding. | |
| endswith( ) | Test if the end of each string element matches a pattern. | |
| find( ) | Return lowest indexes in each strings in the Series/Index. | |
| get(i) | Extract element from each component at specified position. | |
| index( ) | Return lowest indexes in each string in Series/Index. | |
| join( ) | Join lists contained as elements in the Series/Index with passed delimiter. | |
| len( ) | Compute the length of each element in the Series/Index. | |
| ljust( ) | Pad right side of strings in the Series/Index. | |
| normalize( ) | Return the Unicode normal form for the strings in the Series/Index. | |
| pad( ) | Pad strings in the Series/Index up to width. | |
| partition( ) | Split the string at the first occurrence of sep. | |
| repeat( ) | Duplicate each string in the Series or Index. | |
| rfind( ) | Return highest indexes in each strings in the Series/Index. | |
| rindex( ) | Return highest indexes in each string in Series/Index. | |
| rjust( ) | Pad left side of strings in the Series/Index. | |
| rpartition( ) | Split the string at the last occurrence of sep. | |
| slice() | Slice substrings from each element in the Series or Index. | |
| slice_replace( ) | Replace a positional slice of a string with another value. | |
| startswith( ) | Test if the start of each string element matches a pattern. | |
| swapcase( ) | Convert strings in the Series/Index to be swapcased. | |
| title( ) | Convert strings in the Series/Index to titlecase. | |
| translate( ) | Map all characters in the string through the given mapping table. | |
| wrap( ) | Wrap strings in Series/Index at specified line width. | |
| zfill( ) | Pad strings in the Series/Index by prepending ‘0’ characters. | |
| isalnum( ) | Check whether all characters in each string are alphanumeric. | |
| isalpha( ) | Check whether all characters in each string are alphabetic. | |
| isdigit( ) | Check whether all characters in each string are digits. | |
| isspace( ) | Check whether all characters in each string are whitespace. | |
| islower( ) | Check whether all characters in each string are lowercase. | |
| isupper( ) | Check whether all characters in each string are uppercase. | |
| istitle( ) | Check whether all characters in each string are titlecase. | |
| isnumeric( ) | Check whether all characters in each string are numeric. | |
| isdecimal( ) | Check whether all characters in each string are decimal. | |
| get_dummies( ) | Return DataFrame of dummy/indicator variables for Series. | |
| capitalize( ) | 转为首字母大写，其余全部小写的字符串 | s.str.capitalize() |
| casefold( ) | 全部小写 | s.str.casefold() |
数据转换
| 方法或属性 | 描述 | 格式 | 示例 |
|---|---|---|---|
| replace() | 替换。参数：to_replace 需要替换，可以是1.字符串，数字，正则表达式。 2.列表，其值为1中的标量，当替换值与需要替换个数相等按顺序替换，替换值只有一个则全部替换为该值。3字典。 value 替换值 inplace 是否在原数据上保存修改，默认否
|
Series.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad') DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad') |
df.replace(0, 5) 将df中0替换为5 df.replace([1, 2, 3], 0)将df中1,2,3替换为0 df.replace([1, 2, 3], [3, 2, 1])将df中1,2,3替换为3,2,1
|
| apply() | 在行或列上应用函数，可以使用聚合函数或简单转换函数。参数：func 处理函数，可以是Python函数（自定义函数，lambda函数），或NumPy ufunc函数（如np.mean），或函数名（如'mean'）axis 轴，默认axis=0表示在每一列上应用函数，axis=1表示在每行上应用函数。
|
Series.apply(func, convert_dtype=True, args=(), **kwargs) DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs) |
df.apply(np.mean)返回df每列的平均值。df.apply(np.mean, axis=1)返回df每行的平均值。df.apply(lambda x:x['价格']+100, , axis =1)返回一个series，价格列每个值+100 df.apply(lambda x:x+100)df每个元素值+100。df.apply(myfunc)其中myfunc是自定义函数，按照myfunc函数处理返回结果。df.apply(['mean', 'sum'])返回df每列的平均值和每列总和。
|
| applymap() | 在每个元素上应用函数。使用聚合函数没有意义。 | Series无 DataFrame.applymap(func, na_action=None, **kwargs) |
df.applymap(lambda x:x+100)df每个元素值+100。
|
| agg() aggregate() |
聚合，在行或列上使用一项或多项操作进行汇总。 | Series.aggregate(func=None, axis=0, *args, **kwargs) DataFrame.aggregate(func=None, axis=0, *args, **kwargs) |
df.agg(np.mean)返回df每列的平均值 df.agg([np.mean, np.sum])返回df每列的平均值和每列总和。df.agg({'A' : [np.mean, np.sum], 'B' : ['mean', 'max']}) A列计算平均值和总和，B列计算平均值和最大值。
|
| transform() | 在行或列上使用一项或多项操作。转化前和转化后形状要一样，不能使用聚合函数。 | Series.transform(func, axis=0, *args, **kwargs) DataFrame.transform(func, axis=0, *args, **kwargs) |
|
| pipe() | 将自身（Series，DataFrame）传给函数并返回结果，用于在链中调用函数。如df.pipe(myfunc, a=100)就相当于myfunc(df, a=100) | Series.pipe(func, *args, **kwargs) DataFrame.pipe(func, *args, **kwargs) |
df.agg(['mean', 'sum']).pip(my_table_style, theme='light')数据汇总后再传入自定义的my_table_style()函数进行处理。
|
重塑
| 方法或属性 | 描述 | 格式 | 示例 |
|---|---|---|---|
| T | 转置，即行列互换。Series转置后不变。 | Series.T DataFrame.T |
df.Tdf的行变列，列变行。
|
| stack | 堆叠，将列索引转为行索引。对于多层列索引的DataFrame数据改变形状有用， 当为一层列索引的DataFrame堆叠后变为Series。 参数： level 索引级别，可为正数或列表。默认level=- 1表示最后一层列索引，即最里层索引。level=0表示第一层索引。
|
Series无 DataFrame.stack(level=- 1, dropna=True) |
df.stack() 将最后一层列索引堆叠到行索引上 df.stack(0) 将第一层列索引堆叠到行索引上 df.stack([0, 1]) 将第一层和第二层列索引堆叠到行索引上
|
| unstack | 不堆叠，将行索引转为列索引。 | Series.unstack(level=- 1, fill_value=None) DataFrame.unstack(level=- 1, fill_value=None) |
df.unstack() 将最后一层行索引转到列索引上。 df.unstack(0) 将第一层行索引转到列索引上。
|
| pivot | 透视，通过指定的行或列的值来重塑。 | DataFrame.pivot(index=None, columns=None, values=None) | df.pivot(index='col_1', columns='col_2', values='col_3') 将col_1作为索引，col_2作为列标签，col_3作为值。
|
排序
| 方法或属性 | 描述 | 格式 | 示例 |
|---|---|---|---|
| sort_values() | 值按行或列排序。 参数： axis：按行还是列排序，默认axis=0表示按列排序，axis=1表示按行排序 by ascending 是否升序，默认ascending=True表示升序，ascending=False表示降序。
|
Series.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None) DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None) |
s.sort_values()按s的值升序排列 df.sort_values(by='col_1') df按col_1列的值升序排序 df.sort_values(by=['col_1', 'col_2'], ascending=False) df按col_1列的值降序排列，相同时再按col_2值降序。
|
| sort_index() | 行标签或列标签排序。 | Series.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, ignore_index=False, key=None) DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, ignore_index=False, key=None) |
s.sort_index()按s的索引升序排列 df.sort_values(by='col_1') df按col_1列的值升序排序
|
| nlargest() | 返回前n个最大的元素。等效df.sort_values(columns, ascending=False).head(n)，但性能好点。 | Series.nlargest(n=5, keep='first') DataFrame.nlargest(n, columns, keep='first') |
df.nlargest(5, 'col_1') 返回col_1列降序后前5行。
|
| nsmallest() | 返回前n个最小的元素。 | Series.nlargest(n=5, keep='first') DataFrame.nsmallest(n, columns, keep='first') |
df.nsmallest(10,columns='col_2') 返回col_2列升序后前5行。
|
合并
| 方法 | 描述 | 对象的方法 | 示例 |
|---|---|---|---|
| concat() | 沿指定轴合并Series或DataFrame。 参数： objs,由Series或DataFrame组成的列表或字典。axis，指定轴{0，1，…}，默认为axis=0表示沿行标签合并，axis=1表示沿列标签合并。join, {'inner','outer'}，默认'outer'表示沿轴取并集，'inner'沿轴取交集。ignore_index，布尔值，默认为False表示使用轴原来的标签（索引），True表示原来轴标签都不用，使用0开始递增的整数。keys，列表，默认无。使用列表在轴标签（索引）外层再构造一层标签（索引）。
|
pandas.concat( objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True ) |
pd.concat([df1,df2])沿行标签合并 pd.concat([df1, df4], axis=1)沿列标签合并 pd.concat([df1,df2,df3], keys=["x", "y", "z"])按行标签合并，并再添加一层行标签(由x,y,z组成)。对结果调用loc["y"]可选取df2数据pd.concat([df1, df4], axis=1, join="inner")沿列标签取交集合并 pd.concat([s1, s2, s3], axis=1, keys=["time", "code", "price"])
|
| append() | 加入，Series的append方法用于连接多个Series。DataFrame的append方法用于从其他DataFrame对象加入多行，并返回一个新的DataFrame对象。 | Series.append(to_append, ignore_index=False, verify_integrity=False) DataFrame.append(other, ignore_index=False, verify_integrity=False, sort=False) |
s1.append(s2)s1后加入s2 df1.append(df2)df1后加入df2，返回加入后的DataFrame对象。df1.append(df2, ignore_index=True) 忽略原来行标签，结果为从0开始递增的整数。
|
| merge() | 将DataFrame或命名的Series合并，与数据库join操作类似。 参数： left，DataFrame或命名的Series对象。right，另一个DataFrame或命名的Series对象。how 连接方式，{‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’}， 默认‘inner’ on，连接的条件，要连接的列或索引级别名称，左右列名要相同。 left_on right_on 连接的条件，列名不同时可以分开指定。
|
pandas.merge( left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None ) |
pd.merge(df1, df2, how='left', on=["年", "月"], suffixes=("_左", "_右"),) df1.merge(df2, left_on='lkey', right_on='rkey')
|
| join() | 连接另一个DataFrame的多列。 | DataFrame.join(other, on=None, how='left', lsuffix=, rsuffix=, sort=False) | |
| merge_ordered() | |||
| merge_asof() | |||
| assign() | Assign new columns to a DataFrame. | DataFrame.assign(**kwargs) | |
| update() | Modify in place using non-NA values from another DataFrame. | Series.update(other) DataFrame.update(other, join='left', overwrite=True, filter_func=None, errors='ignore') |
|
| insert() | 在指定位置插入列。 | DataFrame.insert(loc, column, value, allow_duplicates=False) |
比较
| 属性/方法 | 描述 | Series | DataFrame | 示例 |
|---|---|---|---|---|
| compare() | 比较两个Series或DataFrame差异并返回，V1.1.0新增。 | Series.compare(other, align_axis=1, keep_shape=False, keep_equal=False) | DataFrame.compare(other, align_axis=1, keep_shape=False, keep_equal=False) | s1.compare(s2) df.compare(df2)
|
| isin() | Whether each element in the Series/DataFrame is contained in values. | Series.isin(values) | DataFrame.isin(values) | |
| equals() | Test whether two objects contain the same elements. | Series.equals(other) | DataFrame.equals(other) | df.equals(df2)
|
分组聚合
GroupBy分组聚合
使用GroupBy分组聚合的一般步骤：
- 分组：将数据按条件拆分为几组。
- 应用：在每组上应用聚合函数、转换函数或过滤。
创建GroupBy对象
| 类名 | 创建对象方法 | 格式 | 示例 |
|---|---|---|---|
| SeriesGroupBy | Series.groupby() | Series.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=<object object>, observed=False, dropna=True) | |
| DataFrameGroupBy | DataFrame.groupby() | DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=<object object>, observed=False, dropna=True) | df.groupby('code')或df.groupby(by='code')按code列分组，创建一个GroupBy对象
|
选取与迭代
| 属性/方法 | 描述 | 示例 |
|---|---|---|
| GroupBy.__iter__（） | Groupby迭代器 | |
| GroupBy.groups | Dict{组名->组数据} | for name, group in grouped: print(name) print(group ) |
| GroupBy.indices | Dict{组名->组索引} | |
| GroupBy.get_group(name, obj=None) | 通过组名选取一个组，返回DataFrame格式。 | grouped.get_group('AAPL') |
| pandas.Grouper(*args, **kwargs) | x.describe() |
功能应用
| 属性/方法 | 描述 | Series | DataFrame | 示例 |
|---|---|---|---|---|
| GroupBy.apply() | 应用，按组应用函数func，并将结果组合在一起。 | GroupBy.apply（func，* args，** kwargs） | GroupBy.apply（func，* args，** kwargs） | grouped['C'].apply(lambda x: x.describe()) |
| GroupBy.agg() | 聚合，等效aggregate() | GroupBy.agg(func，* args，** kwargs) | GroupBy.agg(func，* args，** kwargs) | |
| aggregate() | 聚合，在指定轴上使用一项或多项操作进行汇总。 | SeriesGroupBy.aggregate(func=None, *args, engine=None, engine_kwargs=None, **kwargs) | DataFrameGroupBy.aggregate(func=None, *args, engine=None, engine_kwargs=None, **kwargs) | |
| transform() | 转换，按组调用函数，并将原始数据替换为转换后的结果 | SeriesGroupBy.transform(func, *args, engine=None, engine_kwargs=None, **kwargs) | DataFrameGroupBy.transform(func, *args, engine=None, engine_kwargs=None, **kwargs) | |
| GroupBy.pipe() | 将带有参数的函数func应用于GroupBy对象，并返回函数的结果。 | GroupBy.pipe（func，* args，** kwargs） | GroupBy.pipe（func，* args，** kwargs） |
计算/描述统计
| 属性/方法 | 描述 | Series | DataFrame | 示例 |
|---|---|---|---|---|
| GroupBy.all() | Return True if all values in the group are truthful, else False. | GroupBy.all(skipna=True) | DataFrameGroupBy.all(skipna=True) | |
| GroupBy.any() | Return True if any value in the group is truthful, else False. | GroupBy.any(skipna=True) | DataFrameGroupBy.any(skipna=True) | |
| GroupBy.backfill() | Backward fill the values. | GroupBy.backfill(limit=None) | DataFrameGroupBy.backfill(limit=None) | |
| GroupBy.bfill() | 同 GroupBy.backfill() | GroupBy.bfill(limit=None) | DataFrameGroupBy.bfill(limit=None) | |
| GroupBy.count() | 统计每组值的个数，不包含缺失值。 | GroupBy.count() | DataFrameGroupBy.count() | grouped.count() |
| GroupBy.cumcount() | Number each item in each group from 0 to the length of that group - 1. | GroupBy.cumcount(ascending=True) | DataFrameGroupBy.cumcount(ascending=True) | |
| GroupBy.cummax() | Cumulative max for each group. | GroupBy.cummax(axis=0, **kwargs) | DataFrameGroupBy.cummax(axis=0, **kwargs) | |
| GroupBy.cummin() | Cumulative min for each group. | GroupBy.cummin(axis=0, **kwargs) | DataFrameGroupBy.cummin(axis=0, **kwargs) | |
| GroupBy.cumprod() | Cumulative product for each group. | GroupBy.cumprod(axis=0, *args, **kwargs) | DataFrameGroupBy.cumprod(axis=0, *args, **kwargs) | |
| GroupBy.cumsum() | Cumulative sum for each group. | GroupBy.cumsum(axis=0, *args, **kwargs) | DataFrameGroupBy.cumsum(axis=0, *args, **kwargs) | |
| GroupBy.ffill() | Forward fill the values. | GroupBy.ffill(limit=None) | DataFrameGroupBy.ffill(limit=None) | |
| GroupBy.first() | Compute first of group values. | GroupBy.first(numeric_only=False, min_count=- 1) | ||
| GroupBy.head() | 返回每组的前n行，默认5行 | GroupBy.head(n=5) | ||
| GroupBy.last() | Compute last of group values. | GroupBy.last(numeric_only=False, min_count=- 1) | ||
| GroupBy.max() | Compute max of group values. | GroupBy.max(numeric_only=False, min_count=- 1) | ||
| GroupBy.mean() | Compute mean of groups, excluding missing values. | GroupBy.mean(numeric_only=True) | ||
| GroupBy.median() | Compute median of groups, excluding missing values. | GroupBy.median(numeric_only=True) | ||
| GroupBy.min([numeric_only, min_count]) | Compute min of group values. | GroupBy.min(numeric_only=False, min_count=- 1) | ||
| GroupBy.ngroup([ascending]) | Number each group from 0 to the number of groups - 1. | GroupBy.ngroup(ascending=True) | ||
| GroupBy.nth(n[, dropna]) | 如果参数n是一个整数，则取每个组的第n行；如果n是一个整数列表，则取每组行的子集。 | GroupBy.nth(n, dropna=None) | ||
| GroupBy.ohlc() | 计算组的开始值，最高值，最低值和末尾值，不包括缺失值。 | GroupBy.ohlc() | ||
| GroupBy.pad() | Forward fill the values. | GroupBy.pad(limit=None) | DataFrameGroupBy.pad(limit=None) | |
| GroupBy.prod([numeric_only, min_count]) | Compute prod of group values. | GroupBy.prod(numeric_only=True, min_count=0) | ||
| GroupBy.rank([method, ascending, na_option, …]) | Provide the rank of values within each group. | GroupBy.rank(method='average', ascending=True, na_option='keep', pct=False, axis=0) | DataFrameGroupBy.rank(method='average', ascending=True, na_option='keep', pct=False, axis=0) | |
| GroupBy.pct_change([periods, fill_method, …]) | Calculate pct_change of each value to previous entry in group. | GroupBy.pct_change(periods=1, fill_method='pad', limit=None, freq=None, axis=0) | DataFrameGroupBy.pct_change(periods=1, fill_method='pad', limit=None, freq=None, axis=0) | |
| GroupBy.size() | Compute group sizes. | GroupBy.size() | DataFrameGroupBy.size() | |
| GroupBy.sem() | Compute standard error of the mean of groups, excluding missing values. | GroupBy.sem(ddof=1) | ||
| GroupBy.std() | Compute standard deviation of groups, excluding missing values. | GroupBy.std(ddof=1) | ||
| GroupBy.sum([numeric_only, min_count]) | Compute sum of group values. | GroupBy.sum(numeric_only=True, min_count=0) | ||
| GroupBy.var([ddof]) | Compute variance of groups, excluding missing values. | GroupBy.var(ddof=1) | ||
| GroupBy.tail() | 返回每组的最后n行，默认5行 | GroupBy.tail(n=5) | ||
pivot_table数据透视表
pandas还提供pivot_table()函数，类似于Excel的数据透视表。
了解更多 >> pandas 用户指南：数据透视表
计算统计
计算/描述统计
| 属性/方法 | 描述 | Series | DataFrame | 示例 |
|---|---|---|---|---|
| abs() | 返回 Series/DataFrame 每个元素的绝对值。 | Series.abs() | DataFrame.abs() | s.abs() df.abs()
|
| all() | Return whether all elements are True, potentially over an axis. | Series.all(axis=0, bool_only=None, skipna=True, level=None, **kwargs) | DataFrame.all(axis=0, bool_only=None, skipna=True, level=None, **kwargs) | |
| any() | Return whether any element is True, potentially over an axis. | Series.any(axis=0, bool_only=None, skipna=True, level=None, **kwargs) | DataFrame.any(axis=0, bool_only=None, skipna=True, level=None, **kwargs) | |
| clip() | Trim values at input threshold(s). | Series.clip(lower=None, upper=None, axis=None, inplace=False, *args, **kwargs) | DataFrame.clip(lower=None, upper=None, axis=None, inplace=False, *args, **kwargs) | |
| corr() | Compute pairwise correlation of columns, excluding NA/null values. | Series.corr(other, method='pearson', min_periods=None) | DataFrame.corr(method='pearson', min_periods=1) | |
| corrwith() | Compute pairwise correlation. | DataFrame.corrwith(other, axis=0, drop=False, method='pearson') | ||
| count() | 统计每行或每列值的个数，不包括NA值。 | Series.count(level=None) | DataFrame.count(axis=0, level=None, numeric_only=False) | s.count()df.count()df.count(axis='columns')
|
| cov() | Compute pairwise covariance of columns, excluding NA/null values. | Series.cov(other, min_periods=None, ddof=1) | DataFrame.cov(min_periods=None, ddof=1) | |
| cummax() | Return cumulative maximum over a DataFrame or Series axis. | Series.cummax(axis=None, skipna=True, *args, **kwargs) | DataFrame.cummax(axis=None, skipna=True, *args, **kwargs) | |
| cummin() | Return cumulative minimum over a DataFrame or Series axis. | Series.cummin(axis=None, skipna=True, *args, **kwargs) | DataFrame.cummin(axis=None, skipna=True, *args, **kwargs) | |
| cumprod() | Return cumulative product over a DataFrame or Series axis. | Series.cumprod(axis=None, skipna=True, *args, **kwargs) | DataFrame.cumprod(axis=None, skipna=True, *args, **kwargs) | |
| cumsum() | Return cumulative sum over a DataFrame or Series axis. | Series.cumsum(axis=None, skipna=True, *args, **kwargs) | DataFrame.cumsum(axis=None, skipna=True, *args, **kwargs) | |
| describe() | Generate descriptive statistics. | Series.describe(percentiles=None, include=None, exclude=None, datetime_is_numeric=False) | DataFrame.describe(percentiles=None, include=None, exclude=None, datetime_is_numeric=False) | |
| diff() | First discrete difference of element. | Series.diff(periods=1) | DataFrame.diff(periods=1, axis=0) | |
| eval() | Evaluate a string describing operations on DataFrame columns. | DataFrame.eval(expr, inplace=False, **kwargs) | ||
| kurt() | Return unbiased kurtosis over requested axis. | Series.kurt(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.kurt(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| kurtosis() | Return unbiased kurtosis over requested axis. | Series.kurtosis(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.kurtosis(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| mad() | Return the mean absolute deviation of the values for the requested axis. | Series.mad(axis=None, skipna=None, level=None) | DataFrame.mad(axis=None, skipna=None, level=None) | |
| max() | Return the maximum of the values for the requested axis. | Series.max(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.max(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| mean() | Return the mean of the values for the requested axis. | Series.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| median() | Return the median of the values for the requested axis. | Series.median(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.median(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| min() | Return the minimum of the values for the requested axis. | Series.min(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.min(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| mode() | Get the mode(s) of each element along the selected axis. | Series.mode(dropna=True) | DataFrame.mode(axis=0, numeric_only=False, dropna=True) | |
| pct_change() | Percentage change between the current and a prior element. | Series.pct_change(periods=1, fill_method='pad', limit=None, freq=None, **kwargs) | DataFrame.pct_change(periods=1, fill_method='pad', limit=None, freq=None, **kwargs) | |
| prod() | Return the product of the values for the requested axis. | Series.prod(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) | DataFrame.prod(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) | |
| product() | Return the product of the values for the requested axis. | Series.product(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) | DataFrame.product(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) | |
| quantile() | Return values at the given quantile over requested axis. | Series.quantile(q=0.5, interpolation='linear') | DataFrame.quantile(q=0.5, axis=0, numeric_only=True, interpolation='linear') | |
| rank() | Compute numerical data ranks (1 through n) along axis. | Series.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False) | DataFrame.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False) | |
| round() | Round a DataFrame to a variable number of decimal places. | Series.round(decimals=0, *args, **kwargs) | DataFrame.round(decimals=0, *args, **kwargs) | |
| sem() | Return unbiased standard error of the mean over requested axis. | Series.sem(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) | DataFrame.sem(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) | |
| skew() | Return unbiased skew over requested axis. | Series.skew(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | DataFrame.skew(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) | |
| sum() | Return the sum of the values for the requested axis. | Series.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) | DataFrame.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) | |
| std() | Return sample standard deviation over requested axis. | Series.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) | DataFrame.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) | |
| var() | Return unbiased variance over requested axis. | Series.var(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) | DataFrame.var(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) | |
| nunique() | Count distinct observations over requested axis. | Series.nunique(dropna=True) | DataFrame.nunique(axis=0, dropna=True) | |
| value_counts() | Return a Series containing counts of unique rows in the DataFrame. | Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True) | DataFrame.value_counts(subset=None, normalize=False, sort=True, ascending=False) |
二元运算功能
| 属性/方法 | 描述 | Series | DataFrame | 示例 |
|---|---|---|---|---|
| add() | Get Addition of dataframe and other, element-wise (binary operator add). | Series.add(other, level=None, fill_value=None, axis=0) | DataFrame.add(other, axis='columns', level=None, fill_value=None) | |
| sub() | Get Subtraction of dataframe and other, element-wise (binary operator sub). | Series.sub(other, level=None, fill_value=None, axis=0) | DataFrame.sub(other, axis='columns', level=None, fill_value=None) | |
| mul() | Get Multiplication of dataframe and other, element-wise (binary operator mul). | Series.mul(other, level=None, fill_value=None, axis=0) | DataFrame.mul(other, axis='columns', level=None, fill_value=None) | |
| div() | Get Floating division of dataframe and other, element-wise (binary operator truediv). | Series.div(other, level=None, fill_value=None, axis=0) | DataFrame.div(other, axis='columns', level=None, fill_value=None) | |
| truediv() | Get Floating division of dataframe and other, element-wise (binary operator truediv). | Series.truediv(other, level=None, fill_value=None, axis=0) | DataFrame.truediv(other, axis='columns', level=None, fill_value=None) | |
| floordiv() | Get Integer division of dataframe and other, element-wise (binary operator floordiv). | Series.floordiv(other, level=None, fill_value=None, axis=0) | DataFrame.floordiv(other, axis='columns', level=None, fill_value=None) | |
| mod() | Get Modulo of dataframe and other, element-wise (binary operator mod). | Series.mod(other, level=None, fill_value=None, axis=0) | DataFrame.mod(other, axis='columns', level=None, fill_value=None) | |
| pow() | Get Exponential power of dataframe and other, element-wise (binary operator pow). | Series.pow(other, level=None, fill_value=None, axis=0) | DataFrame.pow(other, axis='columns', level=None, fill_value=None) | |
| dot() | Compute the matrix multiplication between the DataFrame and other. | Series.dot(other) | DataFrame.dot(other) | |
| radd() | Get Addition of dataframe and other, element-wise (binary operator radd). | Series.radd(other, level=None, fill_value=None, axis=0) | DataFrame.radd(other, axis='columns', level=None, fill_value=None) | |
| rsub() | Get Subtraction of dataframe and other, element-wise (binary operator rsub). | Series.rsub(other, level=None, fill_value=None, axis=0) | DataFrame.rsub(other, axis='columns', level=None, fill_value=None) | |
| rmul() | Get Multiplication of dataframe and other, element-wise (binary operator rmul). | Series.rmul(other, level=None, fill_value=None, axis=0) | DataFrame.rmul(other, axis='columns', level=None, fill_value=None) | |
| rdiv() | Get Floating division of dataframe and other, element-wise (binary operator rtruediv). | Series.rdiv(other, level=None, fill_value=None, axis=0) | DataFrame.rdiv(other, axis='columns', level=None, fill_value=None) | |
| rtruediv() | Get Floating division of dataframe and other, element-wise (binary operator rtruediv). | Series.rtruediv(other, level=None, fill_value=None, axis=0) | DataFrame.rtruediv(other, axis='columns', level=None, fill_value=None) | |
| rfloordiv() | Get Integer division of dataframe and other, element-wise (binary operator rfloordiv). | Series.rfloordiv(other, level=None, fill_value=None, axis=0) | DataFrame.rfloordiv(other, axis='columns', level=None, fill_value=None) | |
| rmod() | Get Modulo of dataframe and other, element-wise (binary operator rmod). | Series.rmod(other, level=None, fill_value=None, axis=0) | DataFrame.rmod(other, axis='columns', level=None, fill_value=None) | |
| rpow() | Get Exponential power of dataframe and other, element-wise (binary operator rpow). | Series.rpow(other, level=None, fill_value=None, axis=0) | DataFrame.rpow(other, axis='columns', level=None, fill_value=None) | |
| lt() | Get Less than of dataframe and other, element-wise (binary operator lt). | Series.lt(other, level=None, fill_value=None, axis=0) | DataFrame.lt(other, axis='columns', level=None) | |
| gt() | Get Greater than of dataframe and other, element-wise (binary operator gt). | Series.gt(other, level=None, fill_value=None, axis=0) | DataFrame.gt(other, axis='columns', level=None) | |
| le() | Get Less than or equal to of dataframe and other, element-wise (binary operator le). | Series.le(other, level=None, fill_value=None, axis=0) | DataFrame.le(other, axis='columns', level=None) | |
| ge() | Get Greater than or equal to of dataframe and other, element-wise (binary operator ge). | Series.ge(other, level=None, fill_value=None, axis=0) | DataFrame.ge(other, axis='columns', level=None) | |
| ne() | Get Not equal to of dataframe and other, element-wise (binary operator ne). | Series.ne(other, level=None, fill_value=None, axis=0) | DataFrame.ne(other, axis='columns', level=None) | |
| eq() | Get Equal to of dataframe and other, element-wise (binary operator eq). | Series.eq(other, level=None, fill_value=None, axis=0) | DataFrame.eq(other, axis='columns', level=None) | |
| combine() | Perform column-wise combine with another DataFrame. | Series.combine(other, func, fill_value=None) | DataFrame.combine(other, func, fill_value=None, overwrite=True) | |
| combine_first() | Update null elements with value in the same location in other. | Series.combine_first(other) | DataFrame.combine_first(other) |
时间序列
概览
Pandas把时间相关分为4种概念，用8个类来表示。
| 概念 | 描述 | 标量类 | 数组类 | pandas数据类型 | 主要创建方法 | 示例 |
|---|---|---|---|---|---|---|
| 日期时间 | 支持时区的特定日期时间点。 类似Python标准库的datetime.datetime。 |
Timestamp | DatetimeIndex | datetime64[ns] 或 datetime64[ns, tz] |
to_datetime() date_range() |
pd.to_datetime('2020-01-01')生成：Timestamp('2020-01-01 00:00:00') pd.to_datetime(df['date'], format='%Y%m%d') 将date列数据（格式如20201220）转为DatetimeIndex格式 pd.date_range("2018-01-01", periods=5, freq="D") 生成DatetimeIndex，从2018-01-01到2018-01-05。
|
| 时间增量 | 持续时间，即两个日期或时间的差值。 类似Python标准库的datetime.timedelta。 |
Timedelta | TimedeltaIndex | timedelta64[ns] | to_timedelta() timedelta_range() |
|
| 时间跨度 | 由时间点及其关联的频率定义的时间跨度。 | Period | PeriodIndex | period[freq] | Period() period_range() |
|
| 日期偏移 | 日期增量 | DateOffset | None | None | DateOffset() |
了解更多 >> pandas 用户指南：时间序列
日期时间属性
以下是Timestamp类和DatetimeIndex类的一些属性或方法。Seriess使用.dt来访问。如df['date'].dt.month返回该列月份Seriess
| 属性 | 描述 | 示例 |
|---|---|---|
| year | 年 | s.dt.year 返回s序列年 pd.to_datetime('2020-01-01').year返回2020
|
| month | 月 | s.dt.month 返回s序列月
|
| day | 日 | |
| hour | 小时 | |
| minute | 分钟 | |
| second | 秒 | |
| microsecond | 微秒 | |
| nanosecond | 纳秒 | |
| date | 日期（不包含时区信息） | |
| time | 时间（不包含时区信息） | |
| timetz() | 时间（包含本地时区信息） | |
| day_of_year / dayofyear | 一年里的第几天 | |
| week / weekofyear | 一年里的第几周 | |
| day_of_week / dayofweek / weekday | 一周里的第几天，Monday（星期一）=0，Sunday（星期天）=6 | |
| quarter | 日期所处的季度，如（1月、2月、3月）=1，（4月、5月、6月）=2 | |
| days_in_month | 日期所在的月有多少天 | |
| is_month_start | 是否月初（由频率定义） | |
| is_month_end | 是否月末（由频率定义） | |
| is_quarter_start | 是否季初（由频率定义） | |
| is_quarter_end | 是否季末（由频率定义） | |
| is_year_start | 是否年初（由频率定义） | |
| is_year_end | 是否年末（由频率定义） | |
| is_leap_year | 是否闰年 |
日期偏移
DateOffset对象用来处理日期偏移。
| 日期偏移量 | 频率字符串 | 描述 | 示例 |
|---|---|---|---|
| DateOffset | 无 | 通用偏移类，默认为24小时 | |
| Day | 'D' | 一天 | |
| Hour | 'H' | 一小时 | |
| Minute | 'T' 或 'min' | 一分钟 | |
| Second | 'S' | 一秒 | |
| Milli | 'L' 或 'ms' | 一毫秒 | |
| Micro | 'U' 或 'us' | 一微秒 | |
| Nano | 'N' | 一纳秒 | |
| BDay 或 BusinessDay | 'B' | 工作日 | |
| CDay 或 CustomBusinessDay | 'C' | 自定义工作日 | |
| Week | 'W' | 一周，可选锚定周几 | |
| WeekOfMonth | 'WOM' | 每月第几周的第几天 | |
| LastWeekOfMonth | 'LWOM' | 每月最后一周的第几天 | |
| MonthEnd | 'M' | 日历月末 | |
| MonthBegin | 'MS' | 日历月初 | |
| BMonthEnd 或 BusinessMonthEnd | 'BM' | 工作日月末 | |
| BMonthBegin 或 BusinessMonthBegin | 'BMS' | 工作日月初 | |
| CBMonthEnd 或 CustomBusinessMonthEnd | 'CBM' | 自定义工作日月末 | |
| CBMonthBegin 或 CustomBusinessMonthBegin | 'CBMS' | 自定义工作日月初 | |
| SemiMonthEnd | 'SM' | 月第15天（或其他天数）与日历月末 | |
| SemiMonthBegin | 'SMS' | 日历月初与月第15天（或其他天数） | |
| QuarterEnd | 'Q' | 日历季末 | |
| QuarterBegin | 'QS' | 日历季初 | |
| BQuarterEnd | 'BQ | 工作季末 | |
| BQuarterBegin | 'BQS' | 工作季初 | |
| FY5253Quarter | 'REQ' | 零售（又名 52-53 周）季 | |
| YearEnd | 'A' | 日历年末 | |
| YearBegin | 'AS' 或 'BYS' | 日历年初 | |
| BYearEnd | 'BA' | 工作日年末 | |
| BYearBegin | 'BAS' | 工作日年初 | |
| FY5253 | 'RE' | 零售（又名 52-53 周）年 | |
| Easter | 无 | 复活节假日 | |
| BusinessHour | 'BH' | 工作小时 | |
| CustomBusinessHour | 'CBH' | 自定义工作小时 |
时间序列相关
| 属性/方法 | 描述 | Series | DataFrame | 示例 |
|---|---|---|---|---|
| asfreq() | Convert TimeSeries to specified frequency. | Series.asfreq(freq, method=None, how=None, normalize=False, fill_value=None) | DataFrame.asfreq(freq, method=None, how=None, normalize=False, fill_value=None) | |
| asof() | Return the last row(s) without any NaNs before where. | Series.asof(where, subset=None) | DataFrame.asof(where, subset=None) | |
| shift() | Shift index by desired number of periods with an optional time freq. | Series.shift(periods=1, freq=None, axis=0, fill_value=None) | DataFrame.shift(periods=1, freq=None, axis=0, fill_value=None) | |
| slice_shift() | Equivalent to shift without copying data. | Series.slice_shift(periods=1, axis=0) | DataFrame.slice_shift(periods=1, axis=0) | |
| tshift() | (DEPRECATED) Shift the time index, using the index’s frequency if available. | Series.tshift(periods=1, freq=None, axis=0) | DataFrame.tshift(periods=1, freq=None, axis=0) | |
| first_valid_index() | Return index for first non-NA/null value. | Series.first_valid_index() | DataFrame.first_valid_index() | |
| last_valid_index() | Return index for last non-NA/null value. | Series.last_valid_index() | DataFrame.last_valid_index() | |
| resample() | Resample time-series data. | Series.resample(rule, axis=0, closed=None, label=None, convention='start', kind=None, loffset=None, base=None, on=None, level=None, origin='start_day', offset=None) | DataFrame.resample(rule, axis=0, closed=None, label=None, convention='start', kind=None, loffset=None, base=None, on=None, level=None, origin='start_day', offset=None) | |
| to_period() | Convert DataFrame from DatetimeIndex to PeriodIndex. | Series.to_period(freq=None, copy=True) | DataFrame.to_period(freq=None, axis=0, copy=True) | |
| to_timestamp() | Cast to DatetimeIndex of timestamps, at beginning of period. | Series.to_timestamp(freq=None, how='start', copy=True) | DataFrame.to_timestamp(freq=None, how='start', axis=0, copy=True) | |
| tz_convert() | Convert tz-aware axis to target time zone. | Series.tz_convert(tz, axis=0, level=None, copy=True) | DataFrame.tz_convert(tz, axis=0, level=None, copy=True) | |
| tz_localize() | Localize tz-naive index of a Series or DataFrame to target time zone. | Series.tz_localize(tz, axis=0, level=None, copy=True, ambiguous='raise', nonexistent='raise') | DataFrame.tz_localize(tz, axis=0, level=None, copy=True, ambiguous='raise', nonexistent='raise') |
绘图
pandas绘图基于Matplotlib，pandas的DataFrame和Series都自带生成各类图表的plot方法，能够方便快速生成各种图表。
了解更多 >> pandas 用户指南：可视化
基本图形
折线图
plot方法默认生成的就是折线图。如prices是一个DataFrame的含有收盘价close列，绘制收盘价的折线图：
s = prices['close']
s.plot()
#设置图片大小，使用figsize参数
s.plot(figsize=(20,10))
条形图
对于不连续标签，没有时间序列的数据，可以绘制条形图，使用以下两种方法：
- 使用plot()函数，设置kind参数为‘bar’ or ‘barh’，
- 使用plot.bar()函数，plot.barh()函数
df.plot(kind='bar') #假设df为每天股票数据
df.plot.bar()
df.resample('A-DEC').mean().volume.plot(kind='bar') #重采集每年成交量平均值，绘制条形图（volume为df的成交量列）
df.plot.bar(stacked=True) #stacked=True表示堆积条形图
df.plot.barh(stacked=True) #barh 表示水平条形图 </nowiki>
直方图
直方图使用plot.hist()方法绘制，一般为频数分布直方图，x轴分区间，y轴为频数。组数用参数bins控制，如分20组bins=20
df.volume.plot.hist() #df股票数据中成交量volume的频数分布直方图。
df.plot.hist(alpha=0.5) #alpha=0.5 表示柱形的透明度为0.5
df.plot.hist(stacked=True, bins=20) #stacked=True表示堆积绘制，bins=20表示分20组。
df.plot.hist(orientation='horizontal') #orientation='horizontal' 表示水平直方图
df.plot.hist(cumulative=True) #表示累计直方图
df['close'].diff().hist() #收盘价上应用diff函数，再绘制直方图
df.hist(color='k', bins=50) #DataFrame.hist函数将每列绘制在不同的子图形上。
箱型图
箱型图可以使用plot.box()函数或DataFrame的boxplot()绘制。 参数：
- color，用来设置颜色，通过传入颜色字典，如color={'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'}
- sym，用来设置异常值样式，如sym='r+'表示异常值用'红色+'表示。
df.plot.box()
df[['close','open', 'high']].plot.box()
#改变箱型颜色，通过传入颜色字典
color={'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'}
df.plot.box(color=color, sym='r+') #sym用来设置异常值样式，'r+'表示'红色+'
df.plot.box(positions=[1, 4, 5, 6, 8]) #positions表示显示位置，df有5个列， 第一列显示在x轴1上，第二列显示在x轴4上，以此类推
df.plot.box(vert=False) #表示绘制水平箱型图
df.boxplot()
#绘制分层箱型图，通过设置by关键词创建分组，再按组，分别绘制箱型图。如下面例子，每列按A组，B组分别绘制箱型图。
df = pd.DataFrame(np.random.rand(10, 2), columns=['Col1', 'Col2'])
df['x'] = pd.Series(['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'])
df.boxplot(by='x')
#还可以再传入一个子分类，再进一步分组绘制。如：
df.boxplot(column=['Col1', 'Col2'], by=['X', 'Y'])
散点图
散点图使用DataFrame.plot.scatter()方法绘制。通过参数x，y指定x轴和y轴的数据列。
df.plot.scatter(x='close', y='volume') #假如df为每日股票数据，图表示收盘价与成交量的散点图
#将两组散点图绘制在一张图表上，重新ax参数如
ax = df.plot.scatter(x='close', y='volume', color='DarkBlue', label='Group 1') #设置标签名label设置标名
df.plot.scatter(x='open', y='value', color='DarkGreen', label='Group 2', ax=ax)
#c参数表示圆点的颜色按按volume列大小来渐变表示。
df.plot.scatter(x='close', y='open', c='volume', s=50) #s表示原点面积大小
df.plot.scatter(x='close', y='open', s=df['volume']/50000) #圆点的大小也可以根据某列数值大小相应设置。
饼图
饼图使用DataFrame.plot.pie()或Series.plot.pie()绘制。如果数据中有空值，会自动使用0填充。
其他绘图函数
这些绘图函数来自pandas.plotting模块。
矩阵散点图（Scatter Matrix Plot）
矩阵散点图（Scatter Matrix Plot）使用scatter_matrix()方法绘制
from pandas.plotting import scatter_matrix #使用前需要从模块中导入该函数
scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde') #假设df是每日股票数据，会每一列相对其他每一列生成一个散点图。
密度图（Density Plot）
密度图使用Series.plot.kde()和DataFrame.plot.kde()函数。
df.plot.kde()
安德鲁斯曲线（Andrews Curves）
安德鲁斯曲线
平行坐标图（Parallel Coordinates）
Lag plot
自相关图（Autocorrelation Plot）
自相关图
自举图（Bootstrap plot）
绘图格式
预设置图形样式
matplotlib 从1.5开始，可以预先设置样式，绘图前通过matplotlib.style.use(my_plot_style)。如matplotlib.style.use('ggplot') 定义ggplot-style plots.
样式参数
大多数绘图函数，可以通过一组参数来设置颜色。
标签设置
可通过设置legend参数为False来隐藏图片标签，如
df.plot(legend=False)
尺度
- logy参数用来将y轴设置对数标尺
- logx参数用来将x轴设置对数标尺
- loglog参数用来将x轴和y轴设置对数标尺
ts.plot(logy=True)
双坐标图
两组序列同x轴，但y轴数据不同，可以通过第二个序列设置参数：secondary_y=True，来设置第二个y轴。
#比如想在收盘价图形上显示cci指标：
prices['close'].plot()
prices['cci'].plot(secondary_y=True)
#第二个坐标轴要显示多个，可以直接传入列名
ax = df.plot(secondary_y=['cci', 'RSI'], mark_right=False) #右边轴数据标签默认会加个右边，设置mark_right为False取消显示
ax.set_ylabel('CD scale') #设置左边y轴名称
ax.right_ax.set_ylabel('AB scale') #设置右边y轴名称
子图
DataFrame的每一列可以绘制在不同的坐标轴(axis）中，使用subplots参数设置，例如：
df.plot(subplots=True, figsize=(6, 6))
子图布局
子图布局使用关键词layout设置，
输入输出
pandas的读取函数是顶层函数，如pandas.read_csv()一般返回一个pandas对象。写入函数是相应对象的方法，如DataFrame.to_csv()将DataFrame对象写入到csv文件。下表是可用的读取和写入函数。
| 数据描述 | 格式类型 | 读取函数 | 写入函数 | 示例 |
|---|---|---|---|---|
| CSV | text | read_csv | to_csv | pd.read_csv('test.csv') 读取test.csv文件。 pd.read_csv('test.csv', sep='\t', header=0, dtype={'a': np.float64, 'b': np.int32, 'c': 'Int64'} ) df.to('out.csv')将df保存到out.csv。
|
| Fixed-Width Text File | text | read_fwf | ||
| JSON | text | read_json | to_json | |
| HTML | text | read_html | to_html | |
| Local clipboard | text | read_clipboard | to_clipboard | |
| MS Excel | read_excel | to_excel | pd.read_excel(r'D:\data\test.xlsx', sheet_name="Sheet1") 读取test.xlsx文件的Sheet1 pd.read_excel('test.xlsx', converters={'日期':lambda x: pd.to_datetime(x, unit='d', origin='1899-12-30') }) 直接读取日期会变数字，日期列转换以下。
| |
| OpenDocument | binary | read_excel | ||
| HDF5 Format | binary | read_hdf | to_hdf | |
| Feather Format | binary | read_feather | to_feather | |
| Parquet Format | binary | read_parquet | to_parquet | |
| ORC Format | binary | read_orc | ||
| Msgpack | binary | read_msgpack | to_msgpack | |
| Stata | binary | read_stata | to_stata | |
| SAS | binary | read_sas | ||
| SPSS | binary | read_spss | ||
| Python Pickle Format | binary | read_pickle | to_pickle | |
| SQL | SQL | read_sql | to_sql | |
| Google BigQuery | SQL | read_gbq | to_gbq |
了解更多 >> Pandas 教程：IO tools
CSV
CSV读取
read_csv 常用参数：
| 参数名称 | 描述 | 示例 |
|---|---|---|
| sep | 分隔符。str,默认 ',' | pd.read_csv('test.csv', sep='\t')
|
CSV写入
to_csv
常见问题：
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 0: invalid continuation byte
使用pd.read_csv()函数时，csv文本的编码格式不是UTF-8。一种是将csv文件编码格式改为'utf-8'，另一种是尝试几种常见的编码格式如：
df = pd.read_csv('test.csv', encoding='gbk')
df = pd.read_csv('test.csv', encoding='gb18030')
df = pd.read_csv('test.csv', encoding='ISO-8859-1')
df = pd.read_csv('test.csv', encoding='utf-16')
类似错误，有时也可能文件格式错误，文件原本是excel格式，将文件后缀改成.xls或.xlsx后使用pd.read_excel()尝试。
Excel
设置
Pandas提供一些设置API，可以改变DataFrame的显示等。如pd.options.display.max_rows = 300DataFrame最多显示300行。通过pandas 的5个相关函数来设置，这些函数都接受正则表达式模式（样式）作为参数，以匹配明确的子字符串：
| 名称 | 描述 | 示例 |
|---|---|---|
| get_option（） set_option（） |
获取/设置单个选项的值。 | pd.set_option("display.max_rows", 5)或pd.options.display.max_rows = 5 设置最多显示5行 pd.set_option("display.max_columns", None) 列全部显示
|
| reset_option（） | 将一个或多个选项重置为其默认值。 | pd.reset_option("display.max_rows") 重置最多显示行数
|
| describe_option（） | 打印一个或多个选项的说明。 | |
| option_context（） | 执行一个代码块，其中包含一组选项，这些选项在执行后恢复到以前的设置。 |
了解更多 >> Pandas 用户指南：选项和设置
资源
官网
- Pandas官网：https://pandas.pydata.org/
- Pandas文档：https://pandas.pydata.org/docs/
- Pandas 用户指南 - 10分钟入门Pandas：https://pandas.pydata.org/docs/user_guide/10min.html
- Pandas 用户指南：https://pandas.pydata.org/docs/user_guide/index.html
- Pandas API参考：https://pandas.pydata.org/docs/reference/index.html
- Pandas 源代码：https://github.com/pandas-dev/pandas
网站
教程
书籍
《利用Python进行数据分析 第2版》 - Wes McKinney