Pandas 是一个强大的 Python 数据分析库,它提供了丰富的函数和方法来处理数据。下面将详细介绍 Pandas 中一些常用的函数及其功能。
一、数据读取与写入
- read_csv():读取 CSV 文件到 DataFrame。
- to_csv():将 DataFrame 写入 CSV 文件。
- read_excel():读取 Excel 文件到 DataFrame。
- to_excel():将 DataFrame 写入 Excel 文件。
- read_json()、to_json():读写 JSON 格式数据。
- read_html()、to_html():从网页中读取 HTML 表格数据,以及将数据导出为 HTML 表格。
- read_clipboard()、to_clipboard():从剪贴板读取数据,以及将数据写入剪贴板。
二、数据处理
- select_dtypes():根据列的数据类型选择数据。
- dropna():删除包含缺失值的行或列。
- fillna():填充或替换缺失值。
- interpolate():对缺失值进行插值处理。
- duplicated():标记重复的行。
- drop_duplicates():删除重复的行。
- str.strip()、str.lower()、str.upper()、str.replace():对字符串类型的列进行清洗,如去除空白字符、转换大小写、替换特定字符等。
- astype():将一列或多列的数据类型转换为指定类型。
- sort_values():根据指定列对数据进行排序。
- rename():对列名或行索引进行重命名。
- drop():删除指定的列或行。
三、数据聚合与分组
- groupby():按照指定的列或多个列对数据进行分组。
- agg():对每个分组应用自定义的聚合函数,如求和、平均值等。
- transform():对每个分组应用转换函数,返回与原始数据形状相同的结果。
- sum()、mean()、median()、min()、max()、std()、var():计算分组数据的总和、平均值、中位数、最小值、最大值、标准差和方差。
- describe():生成分组的描述性统计摘要。
- nunique():计算分组中唯一值的数量。
- cumsum()、cummin()、cummax()、cumprod():计算分组的累积和、累积最小值、累积最大值和累积乘积。
四、数据合并与重塑
- merge():根据指定键关联连接多个 DataFrame,类似 SQL 中的 JOIN。
- concat():合并多个 DataFrame,类似 SQL 中的 UNION。
- append():将一行或多行数据追加到 DataFrame 的末尾。
- pivot()、pivot_table():按照指定的行列重塑表格,其中 pivot_table 更加强大,可以计算汇总数据。
- stack():将数据框的列“堆叠”为一个层次化的 Series。
- unstack():将层次化的 Series 转换回 DataFrame 形式。
五、数据可视化
Pandas 提供了基础的绘图功能,但更复杂的可视化通常使用 Matplotlib 或 Seaborn 等库。Pandas 的可视化函数包括:
- plot.area():绘制堆积图。
- plot.bar():绘制柱状图。
- plot.barh():绘制水平条形图。
- plot.box():绘制箱线图。
- plot.hist():绘制直方图。
- plot.line():绘制线型图。
- plot.pie():绘制饼图。
- plot.scatter():绘制散点图。
六、其他常用函数
- apply():对数据框的列或行应用函数。
- applymap():对数据框的每个元素应用函数。
- isin():判断数据是否在某个集合中。
- isnull()、notnull():检测缺失数据。
- quantile():计算数据的分位数。
- reset_index():重置行索引。
- to_datetime():将输入转换为 Datetime 类型。
这些函数和方法只是 Pandas 强大功能的一部分,Pandas 的设计使得数据处理和分析变得更加简单和高效。在实际应用中,可以根据具体需求选择合适的函数来处理数据。