本文共 1935 字，大约阅读时间需要 6 分钟。

Pandas是Python数据分析处理的核心第三方库，它以二维数组形式模拟Excel表格，封装了大量实用函数和方法，帮助数据分析师对数据集进行操作和分析。本文将系统介绍Pandas中常用功能，方便用户快速查找和应用。

1. 数据读取与写入

Pandas提供丰富的数据读取和写入功能，支持多种文件格式：

• read_csv：读取CSV文件，适合处理文本数据。
• to_csv：将数据框导出为CSV文件，便于数据输出。
• read_excel：读取Excel文件，支持多工作表。
• to_excel：将数据框写入Excel文件，格式美观。
• read_json：读取JSON文件，支持复杂数据结构。
• to_json：将数据转换为JSON格式。
• read_html：解析网页中的HTML表格数据。
• to_html：将数据生成网页表格。
• read_clipboard：读取剪切板中的数据。
• to_clipboard：将数据导出到剪切板。
• to_latex：将数据转换为LaTeX格式。
• read_sas、read_spss、read_stata：读取统计软件格式数据。
• read_sql：通过SQL查询读取数据（需数据库连接）。
• to_sql：将数据框写入数据库。

2. 数据连接、合并与重塑

Pandas支持数据操作，类似SQL：

• merge：按键连接多个数据框，实现join操作。
• concat：合并多个数据框（类似UNION）。
• pivot：按行或列重塑数据框。
• pivot_table：创建数据透视表。
• cut和qcut：将数值分割为离散区间。
• crosstab：生成交叉表。
• join：通过索引或键合并数据框。
• stack和unstack：将数据框转换为层次化Series或反之。
• append：将数据追加到数据框末尾。

3. 分组、聚合、转换与过滤

Pandas支持灵活的分组操作：

• groupby：按列或多列分组。
• agg：对每组应用聚合函数。
• transform：对每组应用转换函数。
• rank：计算分组内的排名。
• filter：根据分组属性筛选数据。
• sum、mean、median、min、max等：计算分组统计量。
• count、size：统计分组中非缺失值数量。
• std、var：计算标准差和方差。
• describe：生成分组统计摘要。
• first、last：获取分组首尾元素。
• nunique、cumsum、cummin、cummax、cumprod：计算分组累积统计量。

4. 数据清洗

Pandas提供强大的数据清洗功能：

• dropna、fillna：处理缺失值。
• interpolate：对缺失值进行插值。
• duplicated、drop_duplicates：处理重复数据。
• str.strip、str.lower、str.upper、str.replace：字符串操作。
• astype：将数据类型转换。
• sort_values：排序数据框。
• rename、drop：重命名或删除列/行。

5. 数据可视化

Pandas提供丰富的可视化功能：

• plot.area、bar、barh、box、density、hexbin、hist、line、pie、scatter：绘制基础图表。
• plot_andrews_curves：绘制多变量数据曲线。
• autocorrelation_plot：分析时间序列自相关性。
• bootstrap_plot：评估统计数据不确定性。
• lag_plot：绘制时滞图。
• parallel_coordinates：展示多变量数据关系。
• scatter_matrix：生成散点矩阵图。
• table：绘制表格可视化。

6. 日期与时间处理

Pandas对日期时间数据处理功能强大：

• to_datetime、date_range：日期时间转换和生成。
• to_timedelta、timedelta_range：时间间隔处理。
• shift、resample、asfreq：时间序列处理。
• cut：将连续数据划分为离散箱。
• period_range：生成周期范围。
• infer_freq：推断时间频率。
• tz_localize、tz_convert：时区操作。
• dt属性：访问日期时间属性。
• day_name、month_name：获取日期信息。
• total_seconds：计算时间间隔总秒数。
• rolling、expanding：滚动和展开窗口操作。
• at_time、between_time：时间点和时间段查询。
• truncate：截断时间序列数据。

通过以上功能，Pandas为数据分析提供了强大的工具，能够高效处理数据操作和分析任务。

转载地址：http://wvvfk.baihongyu.com/