Python数据分析及可视化实例之Pandas函数速查表

Pandas函数速查表可归纳为数据结构操作、数据读取与写入、数据清洗、数据选择与索引、数据统计与分析、数据操作与变形、时间序列处理几大类核心函数，以下为具体函数及功能说明：

• Series创建pd.Series(data, index=index)：将一维数据（列表、数组等）转换为带索引的Series对象，例如pd.Series([1, 2, 3], index=['a', 'b', 'c'])。pd.Series.from_csv()（已弃用）：早期从CSV文件读取单列数据的方法，现推荐使用pd.read_csv()。

• DataFrame创建pd.DataFrame(data, index=index, columns=columns)：将二维数据（字典、列表嵌套等）转换为DataFrame，例如pd.DataFrame({'A': [1, 2], 'B': [3, 4]})。pd.DataFrame.from_dict()：从字典创建DataFrame，可通过orient参数指定键值方向（如orient='index'）。

• 文件读取pd.read_csv(filepath, sep=',', header=0)：读取CSV文件，支持指定分隔符、表头行等参数。pd.read_excel(filepath, sheet_name=0)：读取Excel文件，可通过sheet_name指定工作表名称或索引。pd.read_sql(sql, con)：从SQL数据库执行查询并返回DataFrame，需连接数据库对象con。

• 文件写入df.to_csv(filepath, index=False)：将DataFrame写入CSV文件，index=False可避免写入行索引。df.to_excel(filepath, sheet_name='Sheet1')：写入Excel文件，支持指定工作表名称。df.to_sql(name, con, if_exists='fail')：将DataFrame写入SQL表，if_exists控制表存在时的行为（如覆盖、追加）。

• 缺失值处理df.isna()：检测缺失值，返回布尔型DataFrame。df.dropna(axis=0, how='any')：删除含缺失值的行或列，how='any'表示任意缺失即删除，axis=1可删除列。df.fillna(value=0)：用指定值填充缺失值，支持字典形式对不同列填充不同值。

• 重复值处理df.duplicated(subset=None)：检测重复行，subset指定判断重复的列。df.drop_duplicates(subset=None)：删除重复行，保留首次出现的记录。

• 数据类型转换df.astype({'col1': 'int', 'col2': 'float'})：将指定列转换为目标数据类型。pd.to_numeric(df['col'], errors='coerce')：将列转换为数值类型，errors='coerce'将无效值转为NaN。

• 标签索引df.loc[row_indexer, col_indexer]：通过标签选择数据，支持切片（如df.loc['a':'b', 'A':'B']）。df.at[row_label, col_label]：快速访问单个值，效率高于loc。

• 位置索引df.iloc[row_position, col_position]：通过整数位置选择数据，支持切片（如df.iloc[0:2, 1:3]）。df.iat[row_pos, col_pos]：快速访问单个值，效率高于iloc。

• 条件筛选df[df['col'] > 0]：筛选满足条件的行，支持多条件组合（如(df['A'] > 0) & (df['B'] < 1)）。df.query('col > 0')：通过字符串表达式筛选数据，语法更简洁。

• 描述性统计df.describe()：计算数值列的基本统计量（如均值、标准差、分位数）。df.mean(axis=0)：计算列均值，axis=1可计算行均值。df.corr()：计算列之间的相关系数矩阵。

• 分组聚合df.groupby('col').agg({'col1': 'sum', 'col2': 'mean'})：按指定列分组，并对不同列应用不同聚合函数。df.groupby('col').apply(func)：对分组后的数据应用自定义函数func。

• 排序与排名df.sort_values('col', ascending=False)：按指定列排序，ascending=False表示降序。df.rank(method='average')：计算数值的排名，method指定排名方式（如平均排名、最小排名）。

• 列操作df['new_col'] = df['col1'] + df['col2']：通过运算创建新列。df.drop('col', axis=1)：删除指定列，axis=0可删除行。df.rename(columns={'old': 'new'})：重命名列，支持字典形式批量修改。

• 行操作df.append(other_df, ignore_index=True)：追加行数据，ignore_index=True可重置索引。df.sample(n=5)：随机抽取指定数量的行。

• 数据合并pd.concat([df1, df2], axis=0)：沿行或列方向拼接DataFrame，axis=1表示横向拼接。df1.merge(df2, on='key')：基于键列合并数据，支持内连接、外连接等（通过how参数指定）。

• 时间索引创建pd.to_datetime(df['date_col'])：将列转换为时间类型，支持解析多种日期格式。pd.date_range('2023-01-01', periods=7)：生成固定频率的时间序列，如按天、按月。

• 时间序列操作df.set_index('date_col').resample('M').mean()：按时间频率（如月）重采样并计算均值。df['date_col'].dt.year：提取时间列的年份，支持.month、.day等属性。