定义：必不可少的 Pandas 常用函数指南

Pandas 常用函数指南

了解 Pandas 是深入数据科学领域的必经之路，而函数则是其中的敲门砖。本指南精选了 23 个 Pandas 常用函数，它们可以帮助您轻松处理数据，从数据预处理到探索分析，再到建模与预测。

1. head() 和 tail()：窥探数据的前后片段

• head()： 查看数据的前几行，默认是 5 行，可以通过参数指定行数。
• tail()： 查看数据的最后几行，默认是 5 行，也可以通过参数指定行数。

2. info()：数据概览，一览无余

• info()： 显示数据框的整体信息，包括数据类型、非空值计数、内存使用情况等。

3. describe()：数据统计，尽在掌握

• describe()： 对数据进行统计分析，包括均值、中位数、最大值、最小值、标准差等。

4. sort_values()：数据排序，井然有序

• sort_values()： 根据指定列对数据进行排序，可以指定升序或降序。

5. groupby()：数据分组，洞察规律

• groupby()： 根据指定列将数据分组，并对每个组进行聚合运算。

6. merge()：数据合并，强强联合

• merge()： 将两个或多个数据框合并在一起，可以指定合并方式和连接键。

7. pivot_table()：数据透视，多维展现

• pivot_table()： 将数据透视为多维表格，便于进行数据分析和可视化。

8. concat()：数据拼接，纵横交错

• concat()： 将两个或多个数据框拼接在一起，可以指定拼接方向和连接键。

9. drop_duplicates()：数据去重，剔除重复

• drop_duplicates()： 删除数据框中的重复行，可以指定列名或索引。

10. fillna()：数据填充，填补空白

• fillna()： 用指定值填充数据框中的缺失值，可以指定填充方式和填充值。

11. replace()：数据替换，一键更新

• replace()： 将数据框中的特定值替换为新值，可以指定替换条件和替换值。

12. isnull() 和 notnull()：数据检查，洞察缺失

• isnull()： 检查数据框中的缺失值，并返回一个布尔型数据框。
• notnull()： 检查数据框中的非缺失值，并返回一个布尔型数据框。

13. unique()：数据去重，提取唯一

• unique()： 返回数据框中某一列的唯一值，可以指定列名或索引。

14. value_counts()：数据计数，洞察分布

• value_counts()： 统计数据框中某一列的每个唯一值出现的次数，并按次数降序排列。

15. cumsum() 和 cumprod()：数据累积，趋势分析

• cumsum()： 计算数据框中某一列的累积和。
• cumprod()： 计算数据框中某一列的累积积。

16. diff()：数据差分，捕捉变化

• diff()： 计算数据框中某一列相邻元素之间的差值。

17. shift()：数据移动，洞察滞后

• shift()： 将数据框中某一列的数据向上或向下移动指定行数。

18. rolling()：数据滚动，平滑趋势

• rolling()： 对数据框中的某一列进行滚动聚合运算，可以指定窗口大小和聚合函数。

19. apply()：数据应用，函数遍历

• apply()： 将函数应用于数据框中的每一行或每一列，并返回一个新的数据框。

20. map()：数据映射，转换元素

• map()： 将函数应用于数据框中的每个元素，并返回一个新的数据框。

21. lambda：匿名函数，简化代码

• lambda： 用于创建匿名函数，可以简化代码并提高可读性。

22. query()：数据过滤，条件筛选

• query()： 根据指定条件过滤数据框中的行，并返回一个新的数据框。

23. eval()：数据表达式，灵活计算

• eval()： 在数据框上计算表达式，并返回结果。

本指南仅介绍了 Pandas 的一部分常用函数，更多函数请参考官方文档。熟练掌握这些函数，您将能够高效处理数据，从数据中提取洞察力，并为您的数据分析和建模工作奠定坚实的基础。