Pandas中常用于数据分析的高频函数

一些常用的高频用于数据分析的函数：

1. 数据结构和基本信息：

   • pd.DataFrame()：创建数据框。
   • pd.Series()：创建系列。
   • df.shape：返回DataFrame的形状。
   • df.columns：返回DataFrame的列名。
   • df.index：返回DataFrame的索引。

2. 数据查看和切片：

   • df.head()、df.tail()：查看前/后几行数据。
   • df.sample(n)：随机抽取n行。
   • df.iloc[]、df.loc[]：根据位置或标签选择数据。
   • df['column'].value_counts()：计算某列中各个值的频次。

3. 数据清洗和处理：

   • df.drop(labels, axis=, inplace=True)：删除行或列。
   • df.fillna(value)：填充缺失值。
   • df.replace(old_value, new_value)：替换值。
   • df.rename(columns={'old_name': 'new_name'})：重命名列。
   • df.astype(dtype)：更改列的数据类型。

4. 数据计算和统计：

   • df.mean()、df.median()、df.std()：计算均值、中位数、标准差等统计量。
   • df.sum()、df.min()、df.max()：计算总和、最小值、最大值等。
   • df.describe()：生成描述性统计信息。
   • df.corr()：计算列之间的相关性。

5. 数据合并和连接：

   • pd.concat([df1, df2], axis=)：沿轴连接数据。
   • pd.merge(df1, df2, on=, how=)：合并两个数据框。
   • df.append(df2)：在底部追加行。

6. 数据分组和聚合：

   • df.groupby('column').agg({'col1': 'mean', 'col2': 'sum'})：对分组数据进行聚合。
   • df.resample('D').sum()：按日期重新采样数据。

7. 数据绘图和可视化：

   • df.plot()：绘制数据。
   • sns.heatmap(df.corr(), annot=True, cmap='coolwarm')：绘制相关矩阵热图。
   • sns.boxplot(x='category', y='value', data=df)：箱线图。

8. 时间序列操作：

   • pd.to_datetime(df['date_column'])：将列转换为日期时间格式。
   • df['date_column'].dt.month：提取日期时间的月份。
   • df.resample('M').sum()：按月重新采样时间序列数据。