Pandas常用属性和方法

Pandas常用属性和方法

一些索引对象的方法和属性

• append ：将额外的索引对象粘贴到原索引后，产生一个新的索引

• difference ：计算两个索引的差集

• intersection ：计算两个索引的交集

• union ：计算两个索引的并集

• isin ：计算表示每一个值是否在传值容器中的布尔数组

• delete ：将位置i的元素删除，并产生新的索引

• drop ：根据传参删除指定索引值，并产生新的索引

• insert ：在位置i插入元素，并产生新的索引

• is_monotonic ：如果索引序列递增则返回True

• is_unique ：如果索引序列唯一则返回True

• unique ：计算索引的唯一值序列

reindex方法的参数

• index ：新建作为索引的序列

• method ：插值方式;'ffill'为前向填充，而‘bfill’是后向填充

• fill_value ：通过重新索引引入缺失数据时使用的替代值

• limit ：当前向或后向填充时，所需填充的最大尺寸间隙

• tolerance ：当前向或后向填充时，所需填充的不精确匹配下的最大尺寸间隙（以绝对数字距离）

• level ：匹配MultiIndex级别的简单索引；否则选择子集

• copy ：如果为True，即使新索引等于旧索引，也总是复制底层数据；如果时False，则在索引相同时不要复制数据

DataFrame索引选项

• df[val] ：从DataFrame中选择单列或列序列；特殊情况的便利：布尔数组（过滤行），切片（切片行）或布尔值DataFrame

• df.loc[val] ：根据标签选择DataFrame的单行或多行

• df.loc[:,val] ：根据标签选择单列或多列

• df.loc[val1,val2] ：同时选择行或列中的一部分

• df.iloc[where] ：根据整数位置选择单行或多行

• df.iloc[:,where] ：根据整数位置选择单列或多列

• df.iloc[where_i,where_j] ：根据整数位置选择行或列

• df.at[label_i,label_j] ：根据行、列标签选择单个标量值

• df.iat[i,j] ：根据行、列整数位置选择单个标量值

• redndex方法 ：通过标签选择行或列

• get_value,set_value方法 ：根据行或列的标签设置单个值

排名中的平级关系打破方法

• 'average' ：默认：在每个组中分配平均排名

• 'min' ：对整个组使用最小排名

• 'max' ：对整个组使用最大排名

• 'first' ：按照值在数据中出现的次序分配排名

• 'dense' ：类似于method='min'，但组间排名总是增加1，而不是一个组中相等的元素的数量

描述性统计和汇总统计

• count ：非NA值的个数

• describe ：计算Series或DataFrame各列的汇总统计集合

• min,max ：计算最小值、最大值

• argmin,argmax ：分别计算最小值、最大值所在的索引位置（整数）

• idxmin,idxmax ：分别计算最小值或最大值所在的索引标签

• quantile ：计算样本的从0到1间的分位数

• sum ：加和

• mean ：均值

• median ：中位数

• mad ：平均值的平均绝对偏差

• prod ：所有值的积

• var ：值的样本方差

• std ：值的样本标准差

• skew ：样本偏度（第三时刻）值

• kurt ：样本峰度（第四时刻）的值

• cumsum ：累计值

• cummin,cummax ：累计的最小值或最大值

• cumprod ：值的累计积

• diff ：计算第一个算术差值（对时间序列有用）

• pct_change ：计算百分比