统计汇总函数
功能
意义
分钟（）
计算最小值
最大限度（）
计算最大值
和（）
和
意思是（）
计算平均值
数数（）
计数（统计非缺失元素的数量）
尺寸（）
count（统计所有元素的个数）
中位数（）
计算中位数
变量（）
计算方差
标准（）
计算标准差
分位数()
计算任意分位数
冠状病毒（）
计算协方差
更正()
计算相关系数
倾斜（）
计算偏度
库尔特（）
计算峰度
模式（）
计算众数
描述（）
描述性统计（一次返回多个统计结果）
分组依据()
团体
总计的（）
聚合操作（统计功能可定制）
argmin()
找到最小值的位置
argmax()
找到最大值的位置
任何（）
相当于逻辑“或”
全部（）
相当于逻辑与
value_counts()
频率统计
累积和（）
计算累计和
累积量（）
计算累积乘积
pct_change()
操作比例（下一个元素与前一个元素的比例）
# 描述函数总结数据集分布的集中趋势、分散度和形状import numpy as npimport pandas as pddata={'a':[12,13,14,15,11],'b':['a', 'b','c','d','c']}df=pd.DataFrame(data)df.describe() #默认返回数值字段df.describe(include='all')
数据清洗函数
功能
意义
重复()
判断序列元素是否重复。
drop_duplicates()
删除重复值
哈桑斯()
判断序列是否缺失（返回TRUE或FALSE）
为空()
判断序列元素是否缺失（返回与序列长度相同的bool值）
不为空()
判断序列元素是否不缺失（返回与序列长度相同的bool值）
删除（）
删除缺失值
填充（）
缺失值填充
充满（）
向前和向后填充缺失值（用缺失值之前的元素填充）
bfill()
向后填充缺失值（用缺失值后面的元素填充）
数据类型()
检查数据类型
astype()
类型转换
pd.to_datetime
转换日期和时间类型
因式分解()
保理转型
样本（）
采样
在哪里（）
基于条件判断的价值替换
代替（）
按值替换（不能使用正则表达式）
字符串替换()
按值替换（可以使用正则表达式）
str.split.str()
字符分隔符
import numpy as npimport pandas as pddata={'a':[12,13,14,15,12],'b':['a','b','c','d','c'] }df=pd.DataFrame(data)df.duplicated('a')df.drop_duplicates('a','first',inplace=True) #删除重复项并保留第一个出现的项df
数据筛选函数
功能
意义
伊辛（）
会员资格判断
之间（）
区间判断
洛克()
条件判断（可用于数据框中）
伊洛克()
索引判断（可用于数据框中）
压缩（）
条件判断
n最大()
搜索最大的n个元素
n最小()
搜索最小的n 个元素
str.findall()
子字符串查询（可以使用正则表达式）
df=pd.DataFrame({'人口': [59000000,65000000,434000,434000,434000,337000,11300,11300,11300],'GDP': [1937894,2583560,12011,4520,1 2128,17036,182 , 38,311],'alpha-2': ['IT','FR','MT','MV','BN','IS','NR','TV','AI']},索引=['意大利', '法国', '马耳他', '马尔代夫', '文莱', '冰岛', '瑙鲁', '图瓦卢', '安圭拉'])dfdf.nlargest(3, '人口') #搜索“人口”列中数值最大的三行
绘图与元素级运算函数
功能
意义
历史记录（）
绘制直方图
阴谋（）
根据kind参数可以绘制更多图形（饼图、折线图、箱线图等）
地图（）
元素映射
申请（）
基于自定义函数的元素级操作
import pandas as pdimport numpy as npimport matplotlib.pyplot as plt #仅使用matplotlib显示图片df=pd.read_csv('forestfires.csv')df.plot('temp','FFMC',kind='scatter' ,color='LightGreen') # 散点图plt.show()
时间序列函数
功能
意义
dt.日期()
提取日期值
dt.time()
提取时间（小时、分钟和秒）
dt.year()
提取年份
dt.口()
提取月份
dt.day()
提取日
dt.hour()
提取时
dt.分钟()
提取分钟数
dt.second()
提取秒数
dt.quarter()
提取四分之一
dt.weekday()
提取星期几（返回数值）
dt.weekday_name()
提取星期几（返回字符类型）
dt.week()
提取一年中的第几周
dt.dayofyear()
提取一年中的第几天
dt.daysinmonth()
提取该月份对应的最大天数
dt.is_month_start()
判断日期是否为该月的第一天
dt.is_month_end()
判断日期是否是该月的最后一天
dt.is_quarter_start()
判断日期是否为季度的第一天
dt.is_quarter_end()
判断日期是否是季度的最后一天
dt.is_year_start()
判断日期是否是一年的第一天
dt.is_year_end()
判断日期是否是一年中的最后一天
dt.is_leap_year()
判断日期是否为闰年
其他函数
功能
意义
附加（）
序列元素的追加（其他序列需要指定）
差异（）
第一个区别
圆形的（）
元素的舍入
排序值()
按值排序
排序索引()
按索引排序
to_dict()
转换为字典
列出（）
转换为列表
独特的（）
本文采摘于网络，不代表本站立场，转载联系作者并注明出处：https://www.iotsj.com//kuaixun/3951.html
用户评论
哇塞，Pandas 100个函数总结，这也太全面了吧！收藏了，以后再也不用到处找资料了！
有18位网友表示赞同！
Pandas 100个函数，终于找到了一篇比较全面的总结了，感谢！
有12位网友表示赞同！
太棒了！Pandas 100个函数，这篇文章简直是宝藏，我已经迫不及待地想试试这些函数了！
有14位网友表示赞同！
Pandas 100个函数，收藏了，以后做数据分析的时候肯定用得上！
有20位网友表示赞同！
Pandas 100个函数，这篇文章太强了，简直是数据分析的葵花宝典！
有10位网友表示赞同！
Pandas 100个函数总结，非常实用，强烈推荐！
有12位网友表示赞同！
Pandas 100个函数，感觉我的数据分析技能要提升一大截了！
有15位网友表示赞同！
Pandas 100个函数，学习了这么多新函数，感觉打开了新世界的大门！
有9位网友表示赞同！
Pandas 100个函数，有了这篇文章，我终于可以更深入地学习 Pandas 了！
有5位网友表示赞同！
Pandas 100个函数，这篇文章太赞了，以后再也不用担心数据分析不会写代码了！
有16位网友表示赞同！
Pandas 100个函数，收藏了，以后遇到问题就来这里找答案！
有7位网友表示赞同！
Pandas 100个函数总结，非常实用，强烈推荐！
有5位网友表示赞同！
Pandas 100个函数，这篇文章真的太全面了！
有13位网友表示赞同！
Pandas 100个函数，终于找到了一篇比较全面的总结了，感谢！
有13位网友表示赞同！
太棒了！Pandas 100个函数，这篇文章简直是宝藏，我已经迫不及待地想试试这些函数了！
有16位网友表示赞同！
Pandas 100个函数，收藏了，以后做数据分析的时候肯定用得上！
有7位网友表示赞同！
Pandas 100个函数，这篇文章太强了，简直是数据分析的葵花宝典！
有15位网友表示赞同！
Pandas 100个函数，感觉我的数据分析技能要提升一大截了！
有8位网友表示赞同！
Pandas 100个函数，学习了这么多新函数，感觉打开了新世界的大门！
有6位网友表示赞同！
Pandas 100个函数，有了这篇文章，我终于可以更深入地学习 Pandas 了！
有11位网友表示赞同！