Pandas：修订间差异
无编辑摘要
第1行： 第1行：
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
|[https://pandas.pydata.org/docs/whatsnew/index.html Pandas 发布日志]
|[https://github.com/pandas-dev/pandas/releases 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。
<syntaxhighlight lang="python">
pip install pandas  #安装最新版本
pip install pandas==0.25.0  #安装特定版本
</syntaxhighlight>
验证是否安装好，可以导入Pandas，使用<code>__version__</code>属性查看Pandas版本：
<syntaxhighlight lang="python">
import pandas as pd
pd.__version__
</syntaxhighlight>
升级：
pip install --upgrade pandas
{{了解更多
|[https://pandas.pydata.org/docs/getting_started/install.html 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
|[https://pandas.pydata.org/docs/user_guide/dsintro.html 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<code>index</code>。和Python字典类似。
创建Series的基本方法为，使用[[Pandas/pandas.Series|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：
<syntaxhighlight lang="python" >
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)
</syntaxhighlight>
{{了解更多
|[https://pandas.pydata.org/docs/user_guide/dsintro.html#series Pandas 用户指南：Series ]
|[https://pandas.pydata.org/docs/reference/series.html 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<code>pandas.DataFrame()</code>构造方法
* 使用<code>pandas.DataFrame.from_dict()</code>方法，类似构造方法
* 使用<code>pandas.DataFrame.from_records()</code>方法，类似构造方法
* 使用函数从导入文件创建，如使用<code>pandas.read_csv()</code>函数导入csv文件创建一个DataFrame对象。
构造方法<code>pandas.DataFrame()</code>的格式为：
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
示例：
<syntaxhighlight lang="python">
df = pd.DataFrame([['foo', 22], ['bar', 25], ['test', 18]],columns=['name', 'age'])
</syntaxhighlight>
{{了解更多
|[https://pandas.pydata.org/docs/user_guide/dsintro.html#dataframe Pandas 用户指南：DataFrame]
|[https://pandas.pydata.org/docs/reference/frame.html  Pandas API：DataFrame]
}}
==查看数据==
表示例中s为一个Series对象，df为一个DataFrame对象：
<syntaxhighlight lang="python" >
>>> 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
</syntaxhighlight>
{| class="wikitable"
|-
!属性/方法
!描述
!Series
!DataFrame
!示例
|-
| head()
| 返回前n行数据，默认前5行
| Series.head(n=5)
| DataFrame.head(n=5)
| <code>df.head()</code>返回df前5行数据<br \><code>df.head(10)</code>返回df前10行数据。
|-
| tail()
| 返回最后n行数据，默认最后5行
| Series.tail(n=5)
| DataFrame.tail(n=5)
| <code>df.tail()</code>返回df最后5行数据<br \><code>df.tail(10)</code>返回df最后10行数据。
|-
| dtypes
| 返回数据的Numpy数据类型（dtype对象）
|Series.index
|DataFrame.index
| <code>s.dtypes</code><br \> <code>df.dtypes</code>
|-
| dtype
| 返回数据的Numpy数据类型（dtype对象）
| Series.index
| &minus;
| <code>s.dtype</code>
|-
| array
| 返回 Series 或 Index 数据的数组，该数组为pangdas扩展的python数组.
| Series.index
| &minus;
| <code>s.array</code> <br \>返回：<PandasArray><br \>['a', 'b', 'c']<br \>Length: 3, dtype: object
|-
| attrs
| 此对象全局属性字典。
| Series.attrs
| DataFrame.attrs
| <code>s.attrs</code>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.hasnans
| &minus;
| <code>s.hasnans</code> <br \>返回False
|-
| values
| 返回ndarray（NumPy的多维数组）或类似ndarray的形式。
| Series.values
| DataFrame.values
| <code>s.values</code>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.ndim
| DataFrame.ndim
| <code>s.ndim</code>返回1 <br \><code>df.ndim</code>返回2
|-
| size
| 返回数据中元素的个数
| Series.size
| DataFrame.size
| <code>s.size</code>返回3 <br \><code>df.ndim</code>返回6
|-
| shape
| 返回数据形状（行数和列数）的元组
| Series.shape
| DataFrame.shape
| <code>s.shape</code>返回(3, ) <br \><code>df.shape</code>返回(3, 2)
|-
| empty
| 返回是否为空，为空返回Ture
| Series.empty
| DataFrame.empty
| <code>s.empty</code>返回False <br \><code>df.empty</code>返回False
|-
| name
| 返回Series的名称。
| Series.name
| &minus;
| <code>s.name</code>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。<br \>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.memory_usage(index=True, deep=False)
| DataFrame.memory_usage(index=True, deep=False)
| <code>s.memory_usage()</code>返回空152 <br \><code>df.memory_usage(index=False)</code>
|-
| info()
| 打印DataFrame的简要信息。
| &minus;
| DataFrame.info(verbose=True, buf=None, max_cols=None, memory_usage=True, null_counts=True)
| <code>df.info()</code>
|-
| select_dtypes()
| 根据列的dtypes返回符合条件的DataFrame子集
| &minus;
| DataFrame.select_dtypes(include=None, exclude=None)
| <code>df.select_dtypes(include=['float64'])</code>
|-
|}
==索引==
===查看索引===
{| class="wikitable"
|-
!属性/方法
!描述
!Series
!DataFrame
!示例
|-
| index
| 索引（行标签），可以查看和设置
|Series.index
|DataFrame.index
| <code>s.index</code>返回RangeIndex(start=0, stop=3, step=1) <br \> <code>df.index</code>
|-
| columns
| 列标签，Series无，可以查看和设置
| &minus;
|DataFrame.columns
| <code>df.columns</code>
|-
| keys()
| 列标签，没有就返回索引
| Series.keys()
| DataFrame.keys()
| <code>df.keys()</code>返回列标签
|-
| axes
| 返回轴标签（行标签和列标签）的列表。<br \>Series返回[index] <br \>DataFrame返回[index, columns]
| Series.axes
| DataFrame.axes
| <code>s.axes</code>返回[RangeIndex(start=0, stop=3, step=1)]  <br \><code>df.axes</code>返回索引和列名。
|-
|idxmax()
|返回第一次出现最大值的索引位置。
|Series.idxmax(axis=0, skipna=True, *args, **kwargs)
|DataFrame.idxmax(axis=0, skipna=True)
|<code>df.idxmax()</code>
|-
|idxmin()
|返回第一次出现最小值的索引位置。
|Series.idxmin(axis=0, skipna=True, *args, **kwargs)
|DataFrame.idxmin(axis=0, skipna=True)
|<code>s.idxmin()</code>
|}
===设置与重置索引===
Series对象和DataFrame对象可以通过<code>.index</code>或<code>.columns</code>属性设置，还可以通过以下方法来设置与重置。
{| class="wikitable"
|-
!属性/方法
!描述
!Series
!DataFrame
!示例
|-
|set_index()
|将某列设置为索引
| &minus;
|DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
|<code>df.set_index('col_3')</code>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：<br \><code>drop</code>是否删除原索引，默认不删除 <br \><code>level</code>重置多索引的一个或多个级别。
|Series.reset_index(level=None, drop=False, name=None, inplace=False)
|DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')
|
|-
|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.reindex(index=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)
|DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)
|
|-
|reindex_like()
|Return an object with matching indices as other object.
|Series.reindex_like(other, method=None, copy=True, limit=None, tolerance=None)
|DataFrame.reindex_like(other, method=None, copy=True, limit=None, tolerance=None)
|
|-
|rename()
|修改轴（索引或列）标签。
|Series.rename(index=None, *, axis=None, copy=True, inplace=False, level=None, errors='ignore')
|DataFrame.rename(mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None, errors='ignore')
|
|-
|rename_axis()
|Set the name of the axis for the index or columns.
|Series.rename_axis(**kwargs)
|DataFrame.rename_axis(**kwargs)
|
|-
|set_axis()
|Assign desired index to given axis.
|Series.set_axis(labels, axis=0, inplace=False)
|DataFrame.set_axis(labels, axis=0, inplace=False)
|<code>df.set_axis(['a', 'b', 'c'], axis='index')</code><br \><code>df.set_axis(['I', 'II'], axis='columns')</code>
|-
|add_prefix()
|索引或列标签添加前缀
|Series.add_prefix(prefix)
|DataFrame.add_prefix(prefix)
|<code>s.add_prefix('item_')</code>  <br \><code>df.add_prefix('col_')</code>
|-
|add_suffix()
|索引或列标签添加后缀
|Series.add_suffix(suffix)
|DataFrame.add_suffix(suffix)
|
|}
==选取与迭代==
===概览===
{| class="wikitable" style="width: 100%;
|-
! 方法
! 描述
! 示例
|-
|索引运算符 <br \><code>[ ]</code>
|Python中序列对象使用<code>self[key]</code>是在调用对象的特殊方法<code>__getitem__()</code> 。Python运算符<code>[ ]</code>有3种通用序列操作：<br \> <code>self[i]</code> 取第i项(起始为0)<br \> <code>self[i:j]</code> 从 i 到 j 的切片<br \> <code>self[i:j:k]</code> s 从 i 到 j 步长为 k 的切片 <br \>Pandas支持NumPy扩展的一些操作：<br \><code>self[布尔索引]</code>，如s[s>5]
|<code>s[1]</code> 取s的第二个值<br \> <code>df[1:-1]</code>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<br \><code>.</code>
|同Python字典属性获取
|<code>df.a</code>返回df的名称为a的列
|-
|按标签选择 <br \><code>loc[ ]</code>
|通过对象调用<code>.loc</code>属性生成序列对象，序列对象调用索引运算符<code>[]</code>。
|<code>df.loc[2]</code>选取索引（行标签）值为2的行 <br \><code>df.loc[1:2]</code> 选取索引值为1到2的行 <br \><code><nowiki>df.loc[[1,2]]</nowiki></code>选取索引值为1和2的行 <br \><code>df.loc[1,'name']</code>选取行标签值为1，列标签值为'name'的单个值<br \><code>df.loc[[1:2],'name']</code>选取行标签值为1到2，列标签值为'name'的数据
|-
|按位置选择 <br \><code>iloc[ ]</code>
|纯粹基于整数位置的索引方法，通过对象调用<code>.iloc</code>属性生成序列对象，然后序列对象调用索引运算符<code>[]</code>。
|<code>s.iloc[2]</code>选取行标签位置为2的行 <br \><code>s.iloc[:2]</code> 选取索引为0到2（不包含2）的值 <br \><code><nowiki>s.iloc[[True,False,True]]</nowiki></code>选取索引位置为True的值 <br \><code>s.iloc[lambda x: x.index % 2 == 0]</code>选取索引为双数的值
|-
|按标签选择单个 <br \><code>at[ ]</code>
|通过行轴和列轴标签对获取或设置单个值。
|<code>s.at[1]</code>返回'b'<br \><code>s.at[2]='d'</code>设置索引位置为第三的值等于'd' <br \><code>df.at[2, 'name']'</code>获取index=2，columns='name'点的值
|-
|按位置选择单个 <br \><code>iat[ ]</code>
|通过行轴和列轴整数位置获取或设置单个值。
|<code>s.iat[1]</code><br \><code>s.iat[2]='d'</code>
|-
|查询方法 <br \><code>query()</code>
| DataFrame对象query()方法，使用表达式进行选择。<br \><code>DataFrame.query(expr, inplace=False, **kwargs)</code>
|<code>df.query('A > B')</code>相当于<code>df[df.A > df.B]</code>
|-
|通过行列标签筛选 <br \><code>filter()</code>
|通过行列标签筛选 <br \> <code>Series.filter(items=None, like=None, regex=None, axis=None)</code> <br \> <code>DataFrame.filter(items=None, like=None, regex=None, axis=None)</code>
|<code>df.filter(like='bbi', axis=0)</code>选取行标签包含'bbi'的行。
|-
|多索引选择 <br \><code>xs()</code>
| 只能用于选择数据，不能设置值。可以使用<code>iloc[ ]</code>或<code>loc[ ]</code>替换。<br \><code>Series.xs(key, axis=0, level=None, drop_level=True)</code> <br \> <code>DataFrame.xs(key, axis=0, level=None, drop_level=True)</code>
| df.xs('a', level=1)
|-
| 选择一列  <br \>get()
| 选择某一列 <br \> <code>Series.get(key, default=None)  </code> <br \> <code>DataFrame.get(key, default=None)</code>
| <code>df.get('a')</code>返回a列
|-
| 选择指定标签列并删除 <br \><code>pop()</code>
| 返回某一列，并从数据中删除，如果列名没找到抛出KeyError。<br \> <code>Series.pop(item) </code> <br \> <code>DataFrame.pop(item) </code>
|<code> df.pop('a')</code>返回a列并从df中删除。
|-
|-
| 删除指定标签列 <br \><code>drop()</code>
| 返回删除指定标签列后的数据 <br \> <code>Series.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')</code> <br \> <br \> <code>DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') </code>
|
|-
| 抽样 <br \><code>sample()</code>
| 返回抽样数据 <br \> <code>Series.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None) </code>  <br \><br \> <code>DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)</code>
|
|}
{{了解更多
|[https://pandas.pydata.org/docs/user_guide/indexing.html Pandas 指南：索引与选择数据]
|[https://docs.python.org/zh-cn/3/library/stdtypes.html#common-sequence-operations Python 3 文档：序列类型 - 通用序列操作]
|[https://docs.python.org/zh-cn/3/reference/datamodel.html#special-method-names Python 3 文档：数据模型 -  特殊方法名称]
|[https://numpy.org/doc/stable/user/absolute_beginners.html#indexing-and-slicing 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<code>.loc</code>属性生成序列对象，序列对象调用索引运算符<code>[]</code>。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）。
{| class="wikitable" style="width: 100%;
|-
! .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。）
|<code>s.loc['a']</code> 返回s索引为'a'的值
|<code>df.loc['b']</code> 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<code><nowiki>[[]]</nowiki></code>，里面是生成列表，外面是索引取值操作）
|<code><nowiki>s.loc[['a', 'c']]</nowiki></code>返回s索引为'a'和'c'的值（Series对象）
|<code><nowiki>df.loc[['a', 'c']]</nowiki></code>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：<br \><code>'f':</code>从标签'f'开始到最后<br \><code>:'f'</code>从最开始到标签'f'<br \><code>:</code>全部标签
|<code>s.loc[a:c]</code> 返回s索引'a'到'c'的值
|<code>df.loc[b:f]</code> 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<code>行标签,列标签</code>，行标签或列标签可以使用切片或数组等。
|&minus;
|<code>df.loc['a','name']</code>选取索引为'a'，列标签为'name'的单个值。<br \><code>df.loc['a':'c','name' ]</code>返回Series对象<br \><code>df.loc['a':'c','id':'name' ]</code>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。
|<code><nowiki>s.loc[[True, False, True]]</nowiki></code> 返回s的第1个和第3个值
|<code><nowiki>df.loc[[False, True, True]]</nowiki></code> 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
|[https://pandas.pydata.org/docs/user_guide/indexing.html#selection-by-label Pandas 指南：索引与选择数据 - 按标签选择]
|[https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.loc.html Pandas 参考：DataFrame对象 - DataFrame.loc]
|[https://pandas.pydata.org/docs/reference/api/pandas.Series.loc.html 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<code>.iloc</code>属性生成序列对象，然后序列对象调用索引运算符<code>[]</code>。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。
{| class="wikitable" style="width: 100%;
|-
! .iloc索引输入值
! 描述
! Series示例
! DataFrame示例
|-
|单个整数
|例如3
|<code>s.iloc[0]</code> 返回s位置索引为0的值，即第一值
|<code>df.iloc[5]</code> 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<code><nowiki>[[]]</nowiki></code>，里面是生成列表，外面是索引取值操作）
|<code><nowiki>s.iloc[[0,5]]</nowiki></code>返回s索引为0和5的值（Series对象）
|<code><nowiki>df.iloc[[2,5]]</nowiki></code>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：<br \><code>2:</code>从索引2开始到最后<br \><code>:6</code>从最开始到索引6<br \><code>:</code>全部索引
|<code>s.iloc[3:5]</code> 返回s索引3到索引5的值
|<code>df.iloc[3:5]</code> 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<code>行位置索引,列位置索引</code>，行位置或列位置可以使用切片或数组等。
|&minus;
|<code>df.iloc[0, 2]</code>选取第1行第3列的单个值。<br \><code>df.iloc[2:5, 6 ]</code>返回第3行到5行中的第7列（Series对象）<br \><code>df.iloc[2:5, 0:2 ]</code>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。
|<code><nowiki>s.iloc[[True, False, True]]</nowiki></code> 返回s的第1个和第3个值
|<code><nowiki>df.iloc[[False, True, True]]</nowiki></code> 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
|[https://pandas.pydata.org/docs/user_guide/indexing.html#selection-by-position Pandas 指南：索引与选择数据 - 按位置选择]
|[https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.iloc.html Pandas 参考：DataFrame对象 - DataFrame.iloc]
|[https://pandas.pydata.org/docs/reference/api/pandas.Series.iloc.html Pandas 参考：Series对象 - Series.iloc]
}}
===迭代===
{| class="wikitable"
|-
!属性/方法
!描述
!Series
!DataFrame
!示例
|-
| __iter__()
| Series返回值的迭代器 <br \>DataFrame返回轴的迭代器
| Series.__iter__()
| DataFrame.__iter__()
| <code>s.__iter__()</code>
|-
| items()
| Series遍历，返回索引和值的迭代器 <br \>DataFrame按列遍历，返回列标签和列的Series对迭代器。
| Series.items()
| DataFrame.items()
| <code>s.items()</code> <br \> <code>df.items()</code> <br \> <code>for label, content in df.items():</code>
|-
| 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.
| &minus;
|DataFrame.iterrows()
|
|-
| itertuples()
|Iterate over DataFrame rows as namedtuples.
| &minus;
|DataFrame.itertuples(index=True, name='Pandas')
|
|}
==处理==
==处理==
===重复数据===
===重复数据===
第795行： 第268行：
| 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：<br /><code>func</code> 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'）<br /><code>axis</code> 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。
| 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：<br /><code>func</code> 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'）<br /><code>axis</code> 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) <br /> DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)
|Series.apply(func, convert_dtype=True, args=(), **kwargs) <br /> DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)
|<code>df.apply(np.mean)</code>返回df每列的平均值。<br /><code>df.apply(np.mean, axis=1)</code>返回df每行的平均值。<br /><code>df.apply(lambda x:x+100)</code>df每个元素值+100。<br /><code>df.apply(myfunc)</code>其中myfunc是自定义函数，按照myfunc函数处理返回结果。<code>df.apply(['mean', 'sum'])</code>返回df每列的平均值和每列总和。
|<code>df.apply(np.mean)</code>返回df每列的平均值。<br /><code>df.apply(np.mean, axis=1)</code>返回df每行的平均值。<br /><code>df.apply(lambda x:x+100)</code>df每个元素值+100。<br /><code>df.apply(myfunc)</code>其中myfunc是自定义函数，按照myfunc函数处理返回结果。<br /><code>df.apply(['mean', 'sum'])</code>返回df每列的平均值和每列总和。
|-
|-
|applymap()
|applymap()
第835行： 第308行：
|-
|-
| stack
| 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。<br /> 参数：<code>level</code> 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 <br />DataFrame.stack(level=- 1, dropna=True)
| Series无 <br />DataFrame.stack(level=- 1, dropna=True)
|  
| <code>df.stack()</code> 将最后一层列索引堆叠到行索引上 <code>df.stack(0)</code> 将第一层列索引堆叠到行索引上 <code>df.stack([0, 1])</code> 将第一层和第二层列索引堆叠到行索引上
|-
|-
| unstack
| unstack
|  
| 不堆叠，将行索引转为列索引。
| Series.unstack(level=- 1, fill_value=None) <br />DataFrame.unstack(level=- 1, fill_value=None)
| Series.unstack(level=- 1, fill_value=None) <br />DataFrame.unstack(level=- 1, fill_value=None)
|  
| <code>df.unstack()</code> 将最后一层行索引转到列索引上。 <code>df.unstack(0)</code> 将第一层行索引转到列索引上。
|}
|}
{{了解更多
{{了解更多
第867行： 第340行：
|<code>s.sort_index()</code>按s的索引升序排列 <br \><code>df.sort_values(by='col_1')</code> df按col_1列的值升序排序  
|<code>s.sort_index()</code>按s的索引升序排列 <br \><code>df.sort_values(by='col_1')</code> 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') <br /><br />DataFrame.nlargest(n, columns, keep='first')
|
|<code>df.nlargest(5, 'col_1')</code> 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') <br /><br />DataFrame.nsmallest(n, columns, keep='first')
|
|<code>df.nsmallest(10,columns='col_2') </code>返回col_2列升序后前5行。
|}
|}


第973行： 第446行：
|[https://pandas.pydata.org/docs/reference/series.html#combining-comparing-joining-merging pandas API：Series 合并/比较/加入/合并]
|[https://pandas.pydata.org/docs/reference/series.html#combining-comparing-joining-merging pandas API：Series 合并/比较/加入/合并]
}}
}}
==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。
{{了解更多
|[https://pandas.pydata.org/docs/user_guide/groupby.html Pandas 用户指南：Group by: split-apply-combine]
|[https://pandas.pydata.org/docs/reference/groupby.html Pandas 参考：GroupBy]
}}
====创建GroupBy对象====
{| class="wikitable" style="width: 100%;
|-
! 类名
! 创建对象方法
! 格式
! 示例
|-
| SeriesGroupBy
| [https://pandas.pydata.org/docs/reference/api/pandas.Series.groupby.html#pandas.Series.groupby  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
| [https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.groupby.html#pandas.DataFrame.groupby 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)
| <code>df.groupby('code')</code>或<code>df.groupby(by='code')</code>按code列分组，创建一个GroupBy对象
|-
|}
====选取与迭代====
{| class="wikitable"  style="width: 100%;
|-
!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:<br \>&nbsp;&nbsp;&nbsp;&nbsp;print(name)<br \>&nbsp;&nbsp;&nbsp;&nbsp;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====
{| class="wikitable"
|-
!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
|[https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.SeriesGroupBy.transform.html#pandas.core.groupby.SeriesGroupBy.transform SeriesGroupBy.transform](func, *args, engine=None, engine_kwargs=None, **kwargs)
|[https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.transform.html#pandas.core.groupby.DataFrameGroupBy.transform 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====
{| class="wikitable sortable"
|-
!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.
| colspan="2" |GroupBy.first(numeric_only=False, min_count=- 1)
|
|-
| GroupBy.head()
| 返回每组的前n行，默认5行
| colspan="2" | GroupBy.head(n=5)
|
|-
| GroupBy.last()
| Compute last of group values.
| colspan="2" | GroupBy.last(numeric_only=False, min_count=- 1)
|
|-
| GroupBy.max()
| Compute max of group values.
| colspan="2" | GroupBy.max(numeric_only=False, min_count=- 1)
|
|-
| GroupBy.mean()
| Compute mean of groups, excluding missing values.
| colspan="2" | GroupBy.mean(numeric_only=True)
|
|-
| GroupBy.median()
| Compute median of groups, excluding missing values.
| colspan="2" | GroupBy.median(numeric_only=True)
|
|-
| GroupBy.min([numeric_only, min_count])
| Compute min of group values.
| colspan="2" | GroupBy.min(numeric_only=False, min_count=- 1)
|
|-
| GroupBy.ngroup([ascending])
| Number each group from 0 to the number of groups - 1.
| colspan="2" |  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。
| colspan="2" | 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。
| colspan="2" | 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.
| colspan="2" | 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.
| colspan="2" | GroupBy.sem(ddof=1)
|
|-
| GroupBy.std()
| Compute standard deviation of groups, excluding missing values.
| colspan="2" | GroupBy.std(ddof=1)
|
|-
| GroupBy.sum([numeric_only, min_count])
| Compute sum of group values.
| colspan="2" | GroupBy.sum(numeric_only=True, min_count=0)
|
|-
| GroupBy.var([ddof])
| Compute variance of groups, excluding missing values.
| colspan="2" | GroupBy.var(ddof=1)
|
|-
| GroupBy.tail()
| 返回每组的最后n行，默认5行
| colspan="2" | 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
|[https://pandas.pydata.org/docs/user_guide/reshaping.html#pivot-tables pandas 用户指南：数据透视表]
}}
==计算统计==
===计算/描述统计===
{| class="wikitable"
|-
!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()
| <code>s.abs()</code> <br \> <code>df.abs()</code>
|-
| 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)
|<code>s.count()</code><br \><code>df.count()</code><br \><code>df.count(axis='columns')</code>
|-
| 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===
{| class="wikitable"
|-
!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。
{| class="wikitable"
|-
! 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。<br \>类似Python标准库的datetime.datetime。
| Timestamp
| DatetimeIndex
| datetime64[ns] <br \>或 datetime64[ns, tz]
| to_datetime() <br \>date_range()
| <code>pd.to_datetime('2020-01-01')</code>生成：Timestamp('2020-01-01 00:00:00')
|-
| 时间增量
| 持续时间，即两个日期或时间的差值。<br \>类似Python标准库的datetime.timedelta。
| Timedelta
| TimedeltaIndex
| timedelta64[ns]
| to_timedelta() <br \>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() <br \>period_range()
|
|-
| 日期偏移
| 日期增量
| DateOffset
| None
| None
| DateOffset()
|
|}
{{了解更多
|[https://pandas.pydata.org/docs/user_guide/timeseries.html  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。
{| class="wikitable"
|-
! 属性
! 描述
! 示例
|-
| year
| 年
|
|-
| month
| 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
|
|}
{{了解更多
|[https://pandas.pydata.org/docs/user_guide/timeseries.html#time-date-components pandas 用户指南：时间序列 Time/date components]
}}
===日期偏移===
DateOffset对象用来处理日期偏移。
{| class="wikitable"
|-
! 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===
{| class="wikitable"
|-
!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
|[https://pandas.pydata.org/docs/user_guide/visualization.html 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：
<syntaxhighlight lang="python" >
s = prices['close']
s.plot()
#设置图片大小，使用figsize参数
s.plot(figsize=(20,10))
</syntaxhighlight>
====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
<syntaxhighlight lang="python" >
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>
</syntaxhighlight>
====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
<syntaxhighlight lang="python" >
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。
</syntaxhighlight>
====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。
<syntaxhighlight lang="python" >
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'])
</syntaxhighlight>
====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。
<syntaxhighlight lang="python" >
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。
</syntaxhighlight>
====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[https://pandas.pydata.org/pandas-docs/stable/reference/plotting.html 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
<syntaxhighlight lang="python" >
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。
</syntaxhighlight>
====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。
<syntaxhighlight lang="python" >
#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
</syntaxhighlight>
====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。
{| class="wikitable"
|-
! 数据描述
! 格式类型
! 读取函数
! 写入函数
|-
| CSV
| text
| read_csv
| to_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
|-
| 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
|}
==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
===教程===
*[https://quant.itiger.com/tquant/research/hub/classroom/detail?nid=4 老虎量化：pandas 介绍]
*[https://www.pypandas.cn/docs/ pypandas.cn：Pandas文档]
*[https://www.yiibai.com/pandas 易百教程：Pandas]
===书籍===
《利用Python进行数据分析 第2版》 - Wes McKinney
===相关文章===
*[https://zh.wikipedia.org/wiki/Pandas 维基百科：Pandas]
*[https://en.wikipedia.org/wiki/Pandas_(software) 维基百科：Pandas（英）]
[[分类:数据分析]]

2021年8月7日 (六) 15:29的版本

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

了解更多 >> Pandas 指南：索引和数据选择 - 重复数据 Pandas 参考：DataFrame.drop_duplicates


缺失数据

类型转换

了解更多 >> Pandas 指南：基础 - dtypes Numpy 参考：标量 Numpy 参考：数据类型对象(dtype) Pandas 参考：DataFrame.astype


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
Series.str.upper( ) 字符串全部大写 s.str.upper( )s字符串全部转为大写
Series.str.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
Series.str.strip(to_strip=None) 删除字符串开始和结束位置某些字符，默认删除空格。 s.str.strip删除s两端的空格。
Series.str.lstrip(to_strip=None) 删除字符串开始位置的某些字符，默认删除空格。 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'。
Series.str.rstrip(to_strip=None) 删除字符串结束位置的某些字符，默认删除空格。 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'
Series.str.split(pat=None, n=-1, expand=False) 字符拆分。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。
Series.str.rsplit(pat=None, n=-1, expand=False) 从结束位置开始拆分。参数同Series.str.split。 s.str.rsplit('/', n=2)s按'/'拆分，且只拆最后两个'/'。
Series.str.replace(pat, repl, n=-1, case=None, flags=0, regex=None) 替换。参数：
Series.str.cat( ) Concatenate strings in the Series/Index with given separator.
Series.str.center( ) Pad left and right side of strings in the Series/Index.
Series.str.contains( ) Test if pattern or regex is contained within a string of a Series or Index.
Series.str.count( ) Count occurrences of pattern in each string of the Series/Index.
Series.str.decode(encoding[, errors]) Decode character string in the Series/Index using indicated encoding.
Series.str.encode( ) Encode character string in the Series/Index using indicated encoding.
Series.str.endswith( ) Test if the end of each string element matches a pattern.
Series.str.extract( ) Extract capture groups in the regex pat as columns in a DataFrame.
Series.str.extractall( ) Extract capture groups in the regex pat as columns in DataFrame.
Series.str.find( ) Return lowest indexes in each strings in the Series/Index.
Series.str.findall( ) Find all occurrences of pattern or regular expression in the Series/Index.
Series.str.get(i) Extract element from each component at specified position.
Series.str.index( ) Return lowest indexes in each string in Series/Index.
Series.str.join( ) Join lists contained as elements in the Series/Index with passed delimiter.
Series.str.len( ) Compute the length of each element in the Series/Index.
Series.str.ljust( ) Pad right side of strings in the Series/Index.
Series.str.match( ) Determine if each string starts with a match of a regular expression.
Series.str.normalize( ) Return the Unicode normal form for the strings in the Series/Index.
Series.str.pad( ) Pad strings in the Series/Index up to width.
Series.str.partition( ) Split the string at the first occurrence of sep.
Series.str.repeat( ) Duplicate each string in the Series or Index.
Series.str.rfind( ) Return highest indexes in each strings in the Series/Index.
Series.str.rindex( ) Return highest indexes in each string in Series/Index.
Series.str.rjust( ) Pad left side of strings in the Series/Index.
Series.str.rpartition( ) Split the string at the last occurrence of sep.
Series.str.slice([start, stop, step]) Slice substrings from each element in the Series or Index.
Series.str.slice_replace( ) Replace a positional slice of a string with another value.
Series.str.startswith( ) Test if the start of each string element matches a pattern.
Series.str.swapcase( ) Convert strings in the Series/Index to be swapcased.
Series.str.title( ) Convert strings in the Series/Index to titlecase.
Series.str.translate( ) Map all characters in the string through the given mapping table.
Series.str.wrap( ) Wrap strings in Series/Index at specified line width.
Series.str.zfill( ) Pad strings in the Series/Index by prepending ‘0’ characters.
Series.str.isalnum( ) Check whether all characters in each string are alphanumeric.
Series.str.isalpha( ) Check whether all characters in each string are alphabetic.
Series.str.isdigit( ) Check whether all characters in each string are digits.
Series.str.isspace( ) Check whether all characters in each string are whitespace.
Series.str.islower( ) Check whether all characters in each string are lowercase.
Series.str.isupper( ) Check whether all characters in each string are uppercase.
Series.str.istitle( ) Check whether all characters in each string are titlecase.
Series.str.isnumeric( ) Check whether all characters in each string are numeric.
Series.str.isdecimal( ) Check whether all characters in each string are decimal.
Series.str.get_dummies( ) Return DataFrame of dummy/indicator variables for Series.
Series.str.capitalize( ) 转为首字母大写，其余全部小写的字符串 s.str.capitalize()
Series.str.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+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。

了解更多 >> pandas 用户指南：基础功能 - 函数应用 pandas API：DataFrame - 函数应用、GroupBy和窗口函数


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。

了解更多 >> pandas 用户指南：重塑与数据透视 pandas API：Series - 重塑和排序 pandas API：DataFrame - 重塑和排序


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。

了解更多 >> pandas API：Series - 重塑和排序 pandas API：DataFrame - 重塑和排序


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。
on，要连接的列或索引级别名称，必须同时在左右对象中找到。 		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
   )
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)

了解更多 >> pandas 用户指南：合并、加入、连接和比较 pandas API：DataFrame 合并/比较/加入/合并 pandas API：Series 合并/比较/加入/合并


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)

了解更多 >> pandas 用户指南：合并、加入、连接和比较 pandas API：DataFrame 合并/比较/加入/合并 pandas API：Series 合并/比较/加入/合并


取自“https://zxdd.com/index.php?title=Pandas&oldid=690”