强烈建议收藏，熟记！python数据分析必备，pandas函数汇总

pandas常用的函数，包括数据清洗、数据筛选、统计分析、时间序列函数。
一、数据清洗的相关函数

函数名	功能
drop_duplicates()	删除重复值
dropna()	删除缺失值
duplicated()	判断序列数据是否重复
hasnans()	判断序列是否存在缺失（返回true或者false)
isnull()	判断序列数据是否缺失（返回与序列等长的bool值）
notnull()	判断序列数据是否不缺失（返回与序列等长的bool值）
fillna()	缺失值填充
ffill()	由前向后填充缺失值（使用缺失值的前一个元素进行填充）
bfill()	向后填充缺失值（使用缺失值的后一个元素填充）
dtypes()	返回数据类型
astype()	数据类型强制转换
pd.to_datetime()	转化为日期时间类型
factorize()	因子化转化
sample()	抽样
where()	基于条件判断的值替换
replace()	按值替换（不可使用正则)
str.replace()	按值替换（可使用正则）
str.split.str()	字符分隔

二、数据筛选有关的函数

函数名	功能
isin()	成员关系判断
iloc()	索引判断
loc()	条件判断
between()	区间判断
compress()	条件判断
nlargest()	查找最大的n个元素
nsmallest()	查找最小的n个元素

三、统计分析有关函数

函数名	功能
max()	计算最大值
min()	计算最小值
mean()	计算平均值
sum()	求和
count()	计数（统计非缺失元素的个数）
size()	计算最大值
meadian()	计算中位数
var()	计算方差
std()	计算标准差
quantile()	计算任意分位数
cov()	计算 协方差
corr()	计算相关系数
skew()	计算偏度
kurt()	计算峰度
mode()	计算众数
describe()	描述性统计
groundby()	分组
argmin()	返回最小值所在的位置
argmax()	返回最大值所在的位置
any()	等价于逻辑“或"
all()	等价于逻辑”与“
value_counts()	频次统计
cumsum()	运算累计和
cumprod()	运算累计积
pct_change()	运算比率（后一个元素比上前一个元素
aggregate()	聚合运算（自定义统计函数）

四、时间序列相关函数

函数名	功能
dt.date()	返回日期值
dt.time()	返回时间（时分秒）
dt.year()	返回年
dt.month()	返回月
dt.day()	返回日
dt.hour()	返回时
dt.minute()	返回分钟
dt.second()	返回秒
dt.quarter()	返回季度
dt.weekday()	返回星期几（数值型）
dt.weekday_name()	返回星期几（字符型）
dt.week()	返回年中的第几周
dt.dayofyear()	返回年中的第几天
dt.daysinmonth()	返回月对应的最大天数
dt.is_month_start()	判断日期是否为当月的第一天
dt.is_leap_yeay()	判断是否为闰年

五、其他常见函数

函数名	功能
sort_values()	按值排序
sort_index()	按索引排序
to_dict()	转化为字典
tolist()	转化为列表
unique()	元素排重
round()	四舍五入

欢迎大家批评指正，积极补充