python數據處理67個pandas函數總結看完就用

# 在使用之前，需要導入pandas庫
import pandas as pd

pd.DataFrame() # 自己創建數據框，用於練習

pd.read_csv(filename) # 從CSV⽂件導⼊數據

pd.read_table(filename) # 從限定分隔符的⽂本⽂件導⼊數據

pd.read_excel(filename) # 從Excel⽂件導⼊數據

pd.read_sql(query,connection_object) # 從SQL表/庫導⼊數據

pd.read_json(json_string) # 從JSON格式的字符串導⼊數據

pd.read_html(url) # 解析URL、字符串或者HTML⽂件，抽取其中的tables表格

df.to_csv(filename) #導出數據到CSV⽂件

df.to_excel(filename) #導出數據到Excel⽂件

df.to_sql(table_name,connection_object) #導出數據到SQL表

df.to_json(filename) #以Json格式導出數據到⽂本⽂件

writer=pd.ExcelWriter('test.xlsx',index=False) 
df1.to_excel(writer,sheet_name='單位')和writer.save()，將多個數據幀寫⼊同⼀個⼯作簿的多個sheet(⼯作表)

df.head(n) # 查看DataFrame對象的前n⾏

df.tail(n) # 查看DataFrame對象的最後n⾏

df.shape() # 查看⾏數和列數

df.info() # 查看索引、數據類型和內存信息

df.columns() # 查看字段（⾸⾏）名稱

df.describe() # 查看數值型列的匯總統計

s.value_counts(dropna=False) # 查看Series對象的唯⼀值和計數

df.apply(pd.Series.value_counts) # 查看DataFrame對象中每⼀列的唯⼀值和計數

df.isnull().any() # 查看是否有缺失值

df[df[column_name].duplicated()] # 查看column_name字段數據重復的數據信息

df[df[column_name].duplicated()].count() # 查看column_name字段數據重復的個數

df[col] # 根據列名，並以Series的形式返回列

df[[col1,col2]] # 以DataFrame形式返回多列

s.iloc[0] # 按位置選取數據

s.loc['index_one'] # 按索引選取數據

df.iloc[0,:] # 返回第⼀⾏

df.iloc[0,0] # 返回第⼀列的第⼀個元素

df.loc[0,:] # 返回第⼀⾏（索引為默認的數字時，⽤法同df.iloc），但需要註意的是loc是按索引,iloc參數隻接受數字參數

df.ix[[:5],["col1","col2"]] # 返回字段為col1和col2的前5條數據，可以理解為loc和
iloc的結合體。

df.at[5,"col1"] # 選擇索引名稱為5，字段名稱為col1的數據

df.iat[5,0] # 選擇索引排序為5，字段排序為0的數據

df.columns= ['a','b','c'] # 重命名列名（需要將所有列名列出，否則會報錯）

pd.isnull() # 檢查DataFrame對象中的空值，並返回⼀個Boolean數組

pd.notnull() # 檢查DataFrame對象中的⾮空值，並返回⼀個Boolean數組

df.dropna() # 刪除所有包含空值的⾏

df.dropna(axis=1) # 刪除所有包含空值的列

df.dropna(axis=1,thresh=n) # 刪除所有⼩於n個⾮空值的⾏

df.fillna(value=x) # ⽤x替換DataFrame對象中所有的空值，⽀持

df[column_name].fillna(x)

s.astype(float) # 將Series中的數據類型更改為float類型

s.replace(1,'one') # ⽤‘one'代替所有等於1的值

s.replace([1,3],['one','three']) # ⽤'one'代替1，⽤'three'代替3

df.rename(columns=lambdax:x+1) # 批量更改列名

df.rename(columns={'old_name':'new_ name'}) # 選擇性更改列名

df.set_index('column_one') # 將某個字段設為索引，可接受列表參數，即設置多個索引

df.reset_index("col1") # 將索引設置為col1字段，並將索引新設置為0,1,2...

df.rename(index=lambdax:x+1) # 批量重命名索引

df.sort_index().loc[:5] # 對前5條數據進⾏索引排序

df.sort_values(col1) # 按照列col1排序數據，默認升序排列

df.sort_values(col2,ascending=False) # 按照列col1降序排列數據

df.sort_values([col1,col2],ascending=[True,False]) # 先按列col1升序排列，後按col2降序排列數據

df.groupby(col) # 返回⼀個按列col進⾏分組的Groupby對象

df.groupby([col1,col2]) # 返回⼀個按多列進⾏分組的Groupby對象

df.groupby(col1)[col2].agg(mean) # 返回按列col1進⾏分組後，列col2的均值,agg可以接受列表參數，agg([len,np.mean])

df.pivot_table(index=col1,values=[col2,col3],aggfunc={col2:max,col3:[ma,min]}) # 創建⼀個按列col1進⾏分組，計算col2的最⼤值和col3的最⼤值、最⼩值的數據透視表

df.groupby(col1).agg(np.mean) # 返回按列col1分組的所有列的均值,⽀持

df.groupby(col1).col2.agg(['min','max'])

data.apply(np.mean) # 對DataFrame中的每⼀列應⽤函數np.mean

data.apply(np.max,axis=1) # 對DataFrame中的每⼀⾏應⽤函數np.max

df.groupby(col1).col2.transform("sum") # 通常與groupby連⽤，避免索引更改

df1.append(df2) # 將df2中的⾏添加到df1的尾部

df.concat([df1,df2],axis=1,join='inner') # 將df2中的列添加到df1的尾部,值為空的對應⾏與對應列都不要

df1.join(df2.set_index(col1),on=col1,how='inner') # 對df1的列和df2的列執⾏SQL形式的join，默認按照索引來進⾏合並，如果df1和df2有共同字段時，會報錯，可通過設置lsuffix,rsuffix來進⾏解決，如果需要按照共同列進⾏合並，就要⽤到set_index(col1)

pd.merge(df1,df2,on='col1',how='outer') # 對df1和df2合並，按照col1，⽅式為outer

pd.merge(df1,df2,left_index=True,right_index=True,how='outer') #與 df1.join(df2, how='outer')效果相同