前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Pandas 2.2 中文官方教程和指南(七)

Pandas 2.2 中文官方教程和指南(七)

作者头像
ApacheCN_飞龙
发布2024-05-24 16:27:35
2400
发布2024-05-24 16:27:35
举报
文章被收录于专栏:信数据得永生信数据得永生

原文:pandas.pydata.org/docs/

社区教程

原文:pandas.pydata.org/docs/getting_started/tutorials.html

这是社区提供的许多 pandas 教程的指南,主要面向新用户。

由 Julia Evans 撰写的 pandas cookbook

这本 2015 年的 cookbook(由Julia Evans撰写)的目标是为您提供一些具体的示例,帮助您开始使用 pandas。这些都是使用真实数据的示例,以及所有相关的错误和怪异之处。有关目录,请参阅pandas-cookbook GitHub 仓库

由 Stefanie Molin 撰写的 pandas 工作坊

Stefanie Molin撰写的入门工作坊,旨在快速让您掌握 pandas,并使用真实世界数据集。内容涵盖了 pandas 入门、数据整理和数据可视化(同时也涉及到 matplotlib 和 seaborn)。pandas-workshop GitHub 仓库提供了详细的环境设置说明(包括 Binder 环境)、幻灯片和笔记本供跟随学习,以及练习来练习概念。还有一个实验室,提供了一个未在工作坊中涵盖的数据集的新练习,供额外练习。

由 Hernan Rojas 撰写的学习 pandas

一套面向新手 pandas 用户的课程:bitbucket.org/hrojas/learn-pandas

使用 Python 进行实用数据分析

这个指南是使用 Python 数据生态系统进行数据分析过程的介绍,以及一个有趣的开放数据集。有四个部分涵盖了选定主题,如munging dataaggregating datavisualizing datatime series

新用户练习

通过真实数据集和练习来提升你的技能。更多资源,请访问主要仓库。## 现代 pandas

2016 年由Tom Augspurger撰写的教程系列。源代码可在 GitHub 仓库TomAugspurger/effective-pandas中找到。

使用 pandas、vincent 和 xlsxwriter 制作 Excel 图表

快乐的 pandas

由耿元浩撰写的中文教程。涵盖了 NumPy 和 pandas 的基本操作,4 种主要的数据操作方法(包括索引、分组、重塑和连接)以及 4 种主要的数据类型(包括缺失数据、字符串数据、分类数据和时间序列数据)。每章末尾都会发布相应的练习。所有数据集和相关材料都可以在 GitHub 仓库datawhalechina/joyful-pandas中找到。

视频教程

各种教程

由 Julia Evans 制作的 pandas 食谱

这本 2015 年的食谱书(由朱莉娅·埃文斯编写)的目标是为您提供一些具体的示例,帮助您开始使用熊猫。这些都是使用真实世界数据的示例,包括所有相关的错误和怪异之处。有关目录,请参阅pandas-cookbook GitHub 仓库

Stefanie Molin 主持的熊猫工作坊

Stefanie Molin 主持的入门熊猫工作坊,旨在快速让您掌握熊猫,使用真实数据集。内容涵盖了熊猫入门、数据整理和数据可视化(并介绍了 matplotlib 和 seaborn)。pandas-workshop GitHub 仓库提供了详细的环境设置说明(包括 Binder 环境)、幻灯片和笔记本供跟随学习,以及练习来练习概念。还有一个实验室,提供了一些未在工作坊中涵盖的数据集的新练习,供额外练习。

通过 Hernan Rojas 学习熊猫

为新熊猫用户准备的一套课程:bitbucket.org/hrojas/learn-pandas

用 Python 进行实用数据分析

这个指南是一个介绍如何使用 Python 数据生态系统和一个有趣的开放数据集进行数据分析的过程。有四个部分涵盖了选定主题,如数据整理数据聚合数据可视化时间序列

新用户练习

通过真实数据集和练习来提升你的技能。更多资源,请访问主要仓库

现代熊猫

2016 年由Tom Augspurger编写的教程系列。源代码可在 GitHub 仓库TomAugspurger/effective-pandas中找到。

使用熊猫、文森特和 xlsxwriter 制作 Excel 图表

快乐的熊猫

由耿元浩编写的中文教程。涵盖了 NumPy 和 pandas 的基本操作,4 种主要数据操作方法(包括索引、分组、重塑和连接)以及 4 种主要数据类型(包括缺失数据、字符串数据、分类数据和时间序列数据)。每章末尾都有相应的练习。所有数据集和相关材料都可以在 GitHub 仓库datawhalechina/joyful-pandas中找到。

视频教程

各种教程

用户指南

原文:pandas.pydata.org/docs/user_guide/index.html

用户指南涵盖了 pandas 的所有主题领域。每个子部分介绍一个主题(如“处理缺失数据”),并讨论 pandas 如何解决该问题,其中穿插着许多示例。

对于刚开始使用 pandas 的用户,应从 10 分钟入门 pandas 开始。

要了解 pandas 基础知识的高层摘要,请参阅数据结构简介和基本功能。

可以在 API 参考中获取有关任何特定方法的更多信息。

如何阅读这些指南

在这些指南中,您将看到代码块内的输入代码,例如:

代码语言:javascript
复制
import pandas as pd
pd.DataFrame({'A': [1, 2, 3]}) 

或者:

代码语言:javascript
复制
In [1]: import pandas as pd

In [2]: pd.DataFrame({'A': [1, 2, 3]})
Out[2]: 
 A
0  1
1  2
2  3 

第一个块是标准的 Python 输入,而第二个块中的 In [1]: 表示输入在一个笔记本中。在 Jupyter 笔记本中,最后一行会被打印出来,并且图表会内联显示。

例如:

代码语言:javascript
复制
In [3]: a = 1

In [4]: a
Out[4]: 1 

等同于:

代码语言:javascript
复制
a = 1
print(a) 

指南

  • 10 分钟入门 pandas
    • pandas 中的基本数据结构
    • 对象创建
    • 查看数据
    • 选择
    • 缺失数据
    • 操作
    • 合并
    • 分组
    • 重塑
    • 时间序列
    • 分类数据
    • 绘图
    • 导入和导出数据
    • 注意事项
  • 数据结构简介
    • Series
    • 数据框
  • 基本功能
    • 头部和尾部
    • 属性和底层数据
    • 加速操作
    • 灵活的二进制操作
    • 描述性统计
    • 函数应用
    • 重新索引和更改标签
    • 迭代
    • .dt 访问器
    • 矢量化字符串方法
    • 排序
    • 复制
    • 数据类型
    • 基于 dtype 选择列
  • IO 工具(文本,CSV,HDF5,…)
    • CSV 和文本文件
    • JSON
    • HTML
    • LaTeX
    • XML
    • Excel 文件
    • OpenDocument 电子表格
    • 二进制 Excel(.xlsb)文件
    • Calamine(Excel 和 ODS 文件)
    • 剪贴板
    • Pickling
    • 消息包
    • HDF5(PyTables)
    • Feather
    • Parquet
    • ORC
    • SQL 查询
    • Google BigQuery
    • Stata 格式
    • SAS 格式
    • SPSS 格式
    • 其他文件格式
    • 性能考虑
  • PyArrow 功能
    • 数据结构集成
    • 操作
    • I/O 读取
  • 索引和选择数据
    • 不同的索引选择方式
    • 基础知识
    • 属性访问
    • 切片范围
    • 通过标签进行选择
    • 通过位置进行选择
    • 通过可调用对象进行选择
    • 结合位置和基于标签的索引
    • 选择随机样本
    • 扩充设置
    • 快速标量值获取和设置
    • 布尔索引
    • 使用 isin 进行索引
    • where()方法和掩码
    • 通过numpy()有条件地扩充设置
    • query()方法
    • 重复数据
    • 类似字典的get()方法
    • 通过索引/列标签查找数值
    • 索引对象
    • 设置/重置索引
    • 返回视图还是副本
  • MultiIndex / 高级索引
    • 分层索引(MultiIndex)
    • 使用分层索引进行高级索引
    • MultiIndex进行排序
    • 取值方法
    • 索引类型
    • 杂项索引常见问题解答
  • 写时复制(CoW)
    • 先前的行为
    • 迁移至写时复制
    • 描述
    • 链式赋值
    • 只读的 NumPy 数组
    • 要避免的模式
    • 写时复制优化
    • 如何启用 CoW
  • 合并、连接、串联和比较
    • concat()
    • merge()
    • DataFrame.join()
    • merge_ordered()
    • merge_asof()
    • compare()
  • 重塑和透视表
    • pivot()pivot_table()
    • stack()unstack()
    • melt()wide_to_long()
    • get_dummies()from_dummies()
    • explode()
    • crosstab()
    • cut()
    • factorize()
  • 处理文本数据
    • 文本数据类型
    • 字符串方法
    • 拆分和替换字符串
    • 串联
    • 使用 .str 进行索引
    • 提取子字符串
    • 测试匹配或包含模式的字符串
    • 创建指示变量
    • 方法摘要
  • 处理缺失数据
    • 被视为“缺失”的值
    • NA 语义
    • 插入缺失数据
    • 处理缺失数据的计算
    • 丢弃缺失数据
    • 填充缺失数据
  • 重复标签
    • 重复标签的后果
    • 重复标签检测
    • 禁止重复标签
  • 分类数据
    • 对象创建
    • CategoricalDtype
    • 描述
    • 处理分类数据
    • 排序和顺序
    • 比较
    • 操作
    • 数据整理
    • 数据的输入/输出
    • 缺失数据
    • 与 R 的 factor 的差异
    • 注意事项
  • 可空整数数据类型
    • 构造
    • 操作
    • 标量 NA 值
  • 可空布尔数据类型
    • 带 NA 值的索引
    • Kleene 逻辑操作
  • 图表可视化
    • 基本绘图:plot
    • 其他图表
    • 绘制缺失数据
    • 绘图工具
    • 绘图格式化
    • 直接使用 Matplotlib 绘图
    • 绘图后端
  • 表可视化
    • 样式化对象和自定义显示
    • 格式化显示
    • 样式化对象和 HTML
    • 添加样式的方法
    • 表样式
    • 设置类和链接到外部 CSS
    • 样式化函数
    • 工具提示和标题
    • 使用切片进行更精细的控制
    • 优化
    • 内置样式
    • 共享样式
    • 限制
    • 其他有趣和有用的功能
    • 导出到 Excel
    • 导出到 LaTeX
    • 关于 CSS 和 HTML 的更多信息
    • 可扩展性
  • 分组:拆分-应用-组合
    • 将对象分组
    • 遍历分组
    • 选择一个分组
    • 聚合
    • 转换
    • 过滤
    • 灵活的 apply
    • Numba 加速例程
    • 其他有用的功能
    • 示例
  • 窗口操作
    • 概览
    • 滚动窗口
    • 加权窗口
    • 扩展窗口
    • 指数加权窗口
  • 时间序列/日期功能
    • 概览
    • 时间戳 vs. 时间跨度
    • 转换为时间戳
    • Generating ranges of timestamps
    • Timestamp limitations
    • Indexing
    • Time/date components
    • DateOffset objects
    • Time Series-related instance methods
    • Resampling
    • Time span representation
    • Converting between representations
    • Representing out-of-bounds spans
    • Time zone handling
  • Time deltas
    • Parsing
    • Operations
    • Reductions
    • Frequency conversion
    • Attributes
    • TimedeltaIndex
    • Resampling
  • Options and settings
    • Overview
    • Available options
    • Getting and setting options
    • Setting startup options in Python/IPython environment
    • Frequently used options
    • Number formatting
    • Unicode formatting
    • Table schema display
  • Enhancing performance
    • Cython (writing C extensions for pandas)
    • Numba (JIT compilation)
    • Expression evaluation via eval()
  • Scaling to large datasets
    • Load less data
    • Use efficient datatypes
    • Use chunking
    • Use Other Libraries
  • Sparse data structures
    • SparseArray
    • SparseDtype
    • Sparse accessor
    • Sparse calculation
    • Interaction with scipy.sparse
  • Frequently Asked Questions (FAQ)
    • DataFrame memory usage
    • Using if/truth statements with pandas
    • Mutating with User Defined Function (UDF) methods
    • Missing value representation for NumPy types
    • Differences with NumPy
    • Thread-safety
    • 字节顺序问题
  • 食谱
    • 习惯用法
    • 选择
    • 多索引
    • 缺失数据
    • 分组
    • 时间序列
    • 合并
    • 绘图
    • 数据输入/输出
    • 计算
    • 时间增量
    • 创建示例数据
    • 常量序列

如何阅读这些指南

在这些指南中,您将看到代码块中的输入代码,例如:

代码语言:javascript
复制
import pandas as pd
pd.DataFrame({'A': [1, 2, 3]}) 

或者:

代码语言:javascript
复制
In [1]: import pandas as pd

In [2]: pd.DataFrame({'A': [1, 2, 3]})
Out[2]: 
 A
0  1
1  2
2  3 

第一个块是标准的 Python 输入,而第二个块中的 In [1]: 表示输入位于 笔记本 中。在 Jupyter 笔记本中,最后一行被打印出来,图表在行内显示。

例如:

代码语言:javascript
复制
In [3]: a = 1

In [4]: a
Out[4]: 1 

等价于:

代码语言:javascript
复制
a = 1
print(a) 

指南

  • pandas 十分钟入门
    • pandas 中的基本数据结构
    • 对象创建
    • 查看数据
    • 选择
    • 缺失数据
    • 操作
    • 合并
    • 分组
    • 重塑
    • 时间序列
    • 类别
    • 绘图
    • 导入和导出数据
    • 注意事项
  • 数据结构简介
    • 序列
    • 数据框
  • 基本要点
    • 头部和尾部
    • 属性和底层数据
    • 加速操作
    • 灵活的二进制操作
    • 描述统计
    • 函数应用
    • 重新索引和修改标签
    • 迭代
    • .dt 访问器
    • 向量化字符串方法
    • 排序
    • 复制
    • 数据类型
    • 基于 dtype 选择列
  • IO 工具(文本、CSV、HDF5 等)
    • CSV 和文本文件
    • JSON
    • HTML
    • LaTeX
    • XML
    • Excel 文件
    • OpenDocument 电子表格
    • 二进制 Excel(.xlsb)文件
    • Calamine(Excel 和 ODS 文件)
    • 剪贴板
    • 腌制
    • msgpack
    • HDF5(PyTables)
    • Feather
    • Parquet
    • ORC
    • SQL 查询
    • Google BigQuery
    • Stata 格式
    • SAS 格式
    • SPSS 格式
    • 其他文件格式
    • 性能考虑
  • PyArrow 功能
    • 数据结构集成
    • 操作
    • 输入/输出读取
  • 索引和选择数据
    • 索引的不同选择
    • 基础知识
    • 属性访问
    • 切片范围
    • 按标签选择
    • 按位置选择
    • 通过可调用进行选择
    • 结合位置和基于标签的索引
    • 选择随机样本
    • 带扩展的设置
    • 快速标量值获取和设置
    • 布尔索引
    • 使用 isin 进行索引
    • where() 方法和掩码
    • 使用 numpy() 条件性地扩大设置
    • query() 方法
    • 重复数据
    • 类似字典的 get() 方法
    • 通过索引/列标签查找值
    • 索引对象
    • 设置/重置索引
    • 返回视图与副本
  • MultiIndex / 高级索引
    • 分层索引(MultiIndex)
    • 具有分层索引的高级索引
    • MultiIndex 的排序
    • Take 方法
    • 索引类型
    • 杂项索引 FAQ
  • 写时复制(CoW)
    • 之前的行为
    • 迁移到写时复制
    • 描述
    • 链式赋值
    • 只读 NumPy 数组
    • 要避免的模式
    • 写时复制优化
    • 如何启用 CoW
  • 合并、连接、串联和比较
    • concat()
    • merge()
    • DataFrame.join()
    • merge_ordered()
    • merge_asof()
    • compare()
  • 重塑和数据透视表
    • pivot()pivot_table()
    • stack()unstack()
    • melt()wide_to_long()
    • get_dummies()from_dummies()
    • explode()
    • crosstab()
    • cut()
    • factorize()
  • 处理文本数据
    • 文本数据类型
    • 字符串方法
    • 字符串拆分和替换
    • 串联
    • 使用 .str 进行索引
    • 提取子字符串
    • 测试匹配或包含模式的字符串
    • 创建指示变量
    • 方法摘要
  • 处理缺失数据
    • 被视为“缺失”的值
    • NA 语义
    • 插入缺失数据
    • 处理带有缺失数据的计算
    • 删除缺失数据
    • 填充缺失数据
  • 重复标签
    • 重复标签的后果
    • 重复标签检测
    • 不允许重复标签
  • 分类数据
    • 对象创建
    • CategoricalDtype
    • 描述
    • 处理分类数据
    • 排序和顺序
    • 比较
    • 操作
    • 数据整理
    • 数据的输入输出
    • 缺失数据
    • 与 R 的 factor 的差异
    • 注意事项
  • 可空整数数据类型
    • 构造
    • 操作
    • 标量 NA 值
  • 可空布尔数据类型
    • 带有 NA 值的索引
    • 克里尼逻辑操作
  • 图表可视化
    • 基本绘图:plot
    • 其他图表
    • 绘制带有缺失数据的图表
    • 绘图工具
    • 绘图格式化
    • 直接使用 Matplotlib 绘图
    • 绘图后端
  • 表格可视化
    • 样式对象和自定义显示
    • 格式化显示
    • 样式对象和 HTML
    • 添加样式的方法
    • 表格样式
    • 设置类和链接到外部 CSS
    • 样式函数
    • 工具提示和标题
    • 使用切片进行精细控制
    • 优化
    • 内置样式
    • 共享样式
    • 限制
    • 其他有趣且有用的内容
    • 导出到 Excel
    • 导出到 LaTeX
    • 更多关于 CSS 和 HTML
    • 可扩展性
  • 分组:分割-应用-合并
    • 将对象拆分成组
    • 遍历组
    • 选择一组
    • 聚合
    • 变换
    • 过滤
    • 灵活的 apply
    • Numba 加速例程
    • 其他有用功能
    • 示例
  • 窗口操作
    • 概述
    • 滚动窗口
    • 加权窗口
    • 扩展窗口
    • 指数加权窗口
  • 时间序列/日期功能
    • 概述
    • 时间戳 vs. 时间跨度
    • 转换为时间戳
    • 生成时间戳范围
    • 时间戳限制
    • 索引
    • 时间/日期组件
    • DateOffset 对象
    • 与时间序列相关的实例方法
    • 重新取样
    • 时间跨度表示
    • 在不同表示之间转换
    • 表示越界跨度
    • 时区处理
  • 时间增量
    • 解析
    • 操作
    • 减少
    • 频率转换
    • 属性
    • TimedeltaIndex
    • 重新取样
  • 选项和设置
    • 概述
    • 可用选项
    • 获取和设置选项
    • 在 Python/IPython 环境中设置启动选项
    • 常用选项
    • 数字格式化
    • Unicode 格式化
    • 表模式显示
  • 增强性能
    • Cython(为 pandas 编写 C 扩展)
    • Numba(JIT 编译)
    • eval() 表达式评估
  • 扩展到大数据集
    • 减少数据加载
    • 使用高效数据类型
    • 使用分块
    • 使用其他库
  • 稀疏数据结构
    • SparseArray
    • SparseDtype
    • 稀疏访问器
    • 稀疏计算
    • scipy.sparse 的交互
  • 常见问题解答(FAQ)
    • DataFrame 内存使用情况
    • 与 pandas 一起使用 if/真值语句
    • 使用用户定义函数 (UDF) 方法进行突变
    • NumPy 类型的缺失值表示
    • 与 NumPy 的差异
    • 线程安全
    • 字节顺序问题
  • 食谱
    • 习语
    • 选择
    • 多级索引
    • 缺失数据
    • 分组
    • 时间序列
    • 合并
    • 绘图
    • 数据输入/输出
    • 计算
    • 时间增量
    • 创建示例数据
    • 常数序列

pandas 十分钟入门

原文:pandas.pydata.org/docs/user_guide/10min.html

这是针对新用户的 pandas 的简短介绍。您可以在食谱中查看更复杂的示例。

通常,我们按照以下方式导入:

代码语言:javascript
复制
In [1]: import numpy as np

In [2]: import pandas as pd 

pandas 中的基本数据结构

Pandas 提供了两种处理数据的类:

  1. Series:一个一维带标签的数组,保存任何类型的数据 例如整数、字符串、Python 对象等。
  2. DataFrame:一种二维数据结构,类似于二维数组或带有行和列的表。

对象创建

参见数据结构介绍部分。

通过传递值列表来创建一个Series,让 pandas 创建一个默认的RangeIndex

代码语言:javascript
复制
In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])

In [4]: s
Out[4]: 
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64 

通过传递具有日期时间索引和标记列的 NumPy 数组使用date_range()和标记列来创建一个DataFrame

代码语言:javascript
复制
In [5]: dates = pd.date_range("20130101", periods=6)

In [6]: dates
Out[6]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
 '2013-01-05', '2013-01-06'],
 dtype='datetime64[ns]', freq='D')

In [7]: df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))

In [8]: df
Out[8]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-06 -0.673690  0.113648 -1.478427  0.524988 

通过传递一个对象字典来创建一个DataFrame,其中键是列标签,值是列值。

代码语言:javascript
复制
In [9]: df2 = pd.DataFrame(
 ...:    {
 ...:        "A": 1.0,
 ...:        "B": pd.Timestamp("20130102"),
 ...:        "C": pd.Series(1, index=list(range(4)), dtype="float32"),
 ...:        "D": np.array([3] * 4, dtype="int32"),
 ...:        "E": pd.Categorical(["test", "train", "test", "train"]),
 ...:        "F": "foo",
 ...:    }
 ...: )
 ...: 

In [10]: df2
Out[10]: 
 A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo 

结果DataFrame的列具有不同的 dtypes:

代码语言:javascript
复制
In [11]: df2.dtypes
Out[11]: 
A          float64
B    datetime64[s]
C          float32
D            int32
E         category
F           object
dtype: object 

如果您正在使用 IPython,则会自动启用列名(以及公共属性)的选项完成。这是将完成的属性的子集:

代码语言:javascript
复制
In [12]: df2.<TAB>  # noqa: E225, E999
df2.A                  df2.bool
df2.abs                df2.boxplot
df2.add                df2.C
df2.add_prefix         df2.clip
df2.add_suffix         df2.columns
df2.align              df2.copy
df2.all                df2.count
df2.any                df2.combine
df2.append             df2.D
df2.apply              df2.describe
df2.applymap           df2.diff
df2.B                  df2.duplicated 

如您所见,列ABCD都已自动完成。EF也是如此;其余的属性由于篇幅被截断。

查看数据

参见基本功能部分。

使用DataFrame.head()DataFrame.tail()分别查看框架的顶部和底部行:

代码语言:javascript
复制
In [13]: df.head()
Out[13]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401

In [14]: df.tail(3)
Out[14]: 
 A         B         C         D
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-06 -0.673690  0.113648 -1.478427  0.524988 

显示DataFrame.indexDataFrame.columns

代码语言:javascript
复制
In [15]: df.index
Out[15]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
 '2013-01-05', '2013-01-06'],
 dtype='datetime64[ns]', freq='D')

In [16]: df.columns
Out[16]: Index(['A', 'B', 'C', 'D'], dtype='object') 

使用DataFrame.to_numpy()返回底层数据的 NumPy 表示形式,不包括索引或列标签:

代码语言:javascript
复制
In [17]: df.to_numpy()
Out[17]: 
array([[ 0.4691, -0.2829, -1.5091, -1.1356],
 [ 1.2121, -0.1732,  0.1192, -1.0442],
 [-0.8618, -2.1046, -0.4949,  1.0718],
 [ 0.7216, -0.7068, -1.0396,  0.2719],
 [-0.425 ,  0.567 ,  0.2762, -1.0874],
 [-0.6737,  0.1136, -1.4784,  0.525 ]]) 

注意

NumPy 数组整个数组有一个 dtype,而 pandas DataFrames 每列有一个 dtype。当您调用 DataFrame.to_numpy(),pandas 将找到可以容纳 DataFrame 中 所有 dtypes 的 NumPy dtype。如果通用数据类型是 objectDataFrame.to_numpy() 将需要复制数据。

代码语言:javascript
复制
In [18]: df2.dtypes
Out[18]: 
A          float64
B    datetime64[s]
C          float32
D            int32
E         category
F           object
dtype: object

In [19]: df2.to_numpy()
Out[19]: 
array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
 [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'],
 [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
 [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']],
 dtype=object) 

describe() 显示数据的快速统计摘要:

代码语言:javascript
复制
In [20]: df.describe()
Out[20]: 
 A         B         C         D
count  6.000000  6.000000  6.000000  6.000000
mean   0.073711 -0.431125 -0.687758 -0.233103
std    0.843157  0.922818  0.779887  0.973118
min   -0.861849 -2.104569 -1.509059 -1.135632
25%   -0.611510 -0.600794 -1.368714 -1.076610
50%    0.022070 -0.228039 -0.767252 -0.386188
75%    0.658444  0.041933 -0.034326  0.461706
max    1.212112  0.567020  0.276232  1.071804 

转置您的数据:

代码语言:javascript
复制
In [21]: df.T
Out[21]: 
 2013-01-01  2013-01-02  2013-01-03  2013-01-04  2013-01-05  2013-01-06
A    0.469112    1.212112   -0.861849    0.721555   -0.424972   -0.673690
B   -0.282863   -0.173215   -2.104569   -0.706771    0.567020    0.113648
C   -1.509059    0.119209   -0.494929   -1.039575    0.276232   -1.478427
D   -1.135632   -1.044236    1.071804    0.271860   -1.087401    0.524988 

DataFrame.sort_index() 按轴排序:

代码语言:javascript
复制
In [22]: df.sort_index(axis=1, ascending=False)
Out[22]: 
 D         C         B         A
2013-01-01 -1.135632 -1.509059 -0.282863  0.469112
2013-01-02 -1.044236  0.119209 -0.173215  1.212112
2013-01-03  1.071804 -0.494929 -2.104569 -0.861849
2013-01-04  0.271860 -1.039575 -0.706771  0.721555
2013-01-05 -1.087401  0.276232  0.567020 -0.424972
2013-01-06  0.524988 -1.478427  0.113648 -0.673690 

DataFrame.sort_values() 按值排序:

代码语言:javascript
复制
In [23]: df.sort_values(by="B")
Out[23]: 
 A         B         C         D
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-06 -0.673690  0.113648 -1.478427  0.524988
2013-01-05 -0.424972  0.567020  0.276232 -1.087401 

选择

注意

当选择和设置标准 Python / NumPy 表达式对于交互式工作来说直观且方便,但对于生产代码,我们推荐优化的 pandas 数据访问方法,DataFrame.at()DataFrame.iat()DataFrame.loc()DataFrame.iloc()

查看索引文档 索引和选择数据 和 MultiIndex / 高级索引。

Getitem ([])

对于 DataFrame,传递单个标签选择一个列并产生等同于 df.ASeries

代码语言:javascript
复制
In [24]: df["A"]
Out[24]: 
2013-01-01    0.469112
2013-01-02    1.212112
2013-01-03   -0.861849
2013-01-04    0.721555
2013-01-05   -0.424972
2013-01-06   -0.673690
Freq: D, Name: A, dtype: float64 

对于 DataFrame,传递一个切片 : 选择匹配的行:

代码语言:javascript
复制
In [25]: df[0:3]
Out[25]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804

In [26]: df["20130102":"20130104"]
Out[26]: 
 A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860 
按标签选择

在 按标签选择 中查看更多使用 DataFrame.loc()DataFrame.at()

选择匹配标签的行:

代码语言:javascript
复制
In [27]: df.loc[dates[0]]
Out[27]: 
A    0.469112
B   -0.282863
C   -1.509059
D   -1.135632
Name: 2013-01-01 00:00:00, dtype: float64 

选择所有行(:)与选择列标签:

代码语言:javascript
复制
In [28]: df.loc[:, ["A", "B"]]
Out[28]: 
 A         B
2013-01-01  0.469112 -0.282863
2013-01-02  1.212112 -0.173215
2013-01-03 -0.861849 -2.104569
2013-01-04  0.721555 -0.706771
2013-01-05 -0.424972  0.567020
2013-01-06 -0.673690  0.113648 

对于标签切片,两个端点都是 包含 的:

代码语言:javascript
复制
In [29]: df.loc["20130102":"20130104", ["A", "B"]]
Out[29]: 
 A         B
2013-01-02  1.212112 -0.173215
2013-01-03 -0.861849 -2.104569
2013-01-04  0.721555 -0.706771 

选择单行和列标签返回一个标量:

代码语言:javascript
复制
In [30]: df.loc[dates[0], "A"]
Out[30]: 0.4691122999071863 

为了快速访问标量(等同于先前的方法):

代码语言:javascript
复制
In [31]: df.at[dates[0], "A"]
Out[31]: 0.4691122999071863 
按位置选择

在按位置选择中使用DataFrame.iloc()DataFrame.iat()查看更多。

通过传递的整数位置选择:

代码语言:javascript
复制
In [32]: df.iloc[3]
Out[32]: 
A    0.721555
B   -0.706771
C   -1.039575
D    0.271860
Name: 2013-01-04 00:00:00, dtype: float64 

整数切片类似于 NumPy/Python:

代码语言:javascript
复制
In [33]: df.iloc[3:5, 0:2]
Out[33]: 
 A         B
2013-01-04  0.721555 -0.706771
2013-01-05 -0.424972  0.567020 

整数位置位置的列表:

代码语言:javascript
复制
In [34]: df.iloc[[1, 2, 4], [0, 2]]
Out[34]: 
 A         C
2013-01-02  1.212112  0.119209
2013-01-03 -0.861849 -0.494929
2013-01-05 -0.424972  0.276232 

明确切片行:

代码语言:javascript
复制
In [35]: df.iloc[1:3, :]
Out[35]: 
 A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804 

明确切片列:

代码语言:javascript
复制
In [36]: df.iloc[:, 1:3]
Out[36]: 
 B         C
2013-01-01 -0.282863 -1.509059
2013-01-02 -0.173215  0.119209
2013-01-03 -2.104569 -0.494929
2013-01-04 -0.706771 -1.039575
2013-01-05  0.567020  0.276232
2013-01-06  0.113648 -1.478427 

明确获取一个值:

代码语言:javascript
复制
In [37]: df.iloc[1, 1]
Out[37]: -0.17321464905330858 

快速访问标量(等同于先前的方法):

代码语言:javascript
复制
In [38]: df.iat[1, 1]
Out[38]: -0.17321464905330858 
布尔索引

选择df.A大于0的行。

代码语言:javascript
复制
In [39]: df[df["A"] > 0]
Out[39]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-04  0.721555 -0.706771 -1.039575  0.271860 

从满足布尔条件的DataFrame中选择值:

代码语言:javascript
复制
In [40]: df[df > 0]
Out[40]: 
 A         B         C         D
2013-01-01  0.469112       NaN       NaN       NaN
2013-01-02  1.212112       NaN  0.119209       NaN
2013-01-03       NaN       NaN       NaN  1.071804
2013-01-04  0.721555       NaN       NaN  0.271860
2013-01-05       NaN  0.567020  0.276232       NaN
2013-01-06       NaN  0.113648       NaN  0.524988 

使用isin()方法进行过滤:

代码语言:javascript
复制
In [41]: df2 = df.copy()

In [42]: df2["E"] = ["one", "one", "two", "three", "four", "three"]

In [43]: df2
Out[43]: 
 A         B         C         D      E
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632    one
2013-01-02  1.212112 -0.173215  0.119209 -1.044236    one
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804    two
2013-01-04  0.721555 -0.706771 -1.039575  0.271860  three
2013-01-05 -0.424972  0.567020  0.276232 -1.087401   four
2013-01-06 -0.673690  0.113648 -1.478427  0.524988  three

In [44]: df2[df2["E"].isin(["two", "four"])]
Out[44]: 
 A         B         C         D     E
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804   two
2013-01-05 -0.424972  0.567020  0.276232 -1.087401  four 
设置

设置新列会自动通过索引对齐数据:

代码语言:javascript
复制
In [45]: s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range("20130102", periods=6))

In [46]: s1
Out[46]: 
2013-01-02    1
2013-01-03    2
2013-01-04    3
2013-01-05    4
2013-01-06    5
2013-01-07    6
Freq: D, dtype: int64

In [47]: df["F"] = s1 

按标签设置值:

代码语言:javascript
复制
In [48]: df.at[dates[0], "A"] = 0 

按位置设置值:

代码语言:javascript
复制
In [49]: df.iat[0, 1] = 0 

通过分配 NumPy 数组进行设置:

代码语言:javascript
复制
In [50]: df.loc[:, "D"] = np.array([5] * len(df)) 

先前设置操作的结果:

代码语言:javascript
复制
In [51]: df
Out[51]: 
 A         B         C    D    F
2013-01-01  0.000000  0.000000 -1.509059  5.0  NaN
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0
2013-01-05 -0.424972  0.567020  0.276232  5.0  4.0
2013-01-06 -0.673690  0.113648 -1.478427  5.0  5.0 

使用设置的where操作:

代码语言:javascript
复制
In [52]: df2 = df.copy()

In [53]: df2[df2 > 0] = -df2

In [54]: df2
Out[54]: 
 A         B         C    D    F
2013-01-01  0.000000  0.000000 -1.509059 -5.0  NaN
2013-01-02 -1.212112 -0.173215 -0.119209 -5.0 -1.0
2013-01-03 -0.861849 -2.104569 -0.494929 -5.0 -2.0
2013-01-04 -0.721555 -0.706771 -1.039575 -5.0 -3.0
2013-01-05 -0.424972 -0.567020 -0.276232 -5.0 -4.0
2013-01-06 -0.673690 -0.113648 -1.478427 -5.0 -5.0 

缺失数据

对于 NumPy 数据类型,np.nan表示缺失数据。默认情况下不包括在计算中。请参阅缺失数据部分。

重新索引允许您在指定轴上更改/添加/删除索引。这将返回数据的副本:

代码语言:javascript
复制
In [55]: df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ["E"])

In [56]: df1.loc[dates[0] : dates[1], "E"] = 1

In [57]: df1
Out[57]: 
 A         B         C    D    F    E
2013-01-01  0.000000  0.000000 -1.509059  5.0  NaN  1.0
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0  NaN
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0  NaN 

DataFrame.dropna()删除任何具有缺失数据的行:

代码语言:javascript
复制
In [58]: df1.dropna(how="any")
Out[58]: 
 A         B         C    D    F    E
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0  1.0 

DataFrame.fillna()填充缺失数据:

代码语言:javascript
复制
In [59]: df1.fillna(value=5)
Out[59]: 
 A         B         C    D    F    E
2013-01-01  0.000000  0.000000 -1.509059  5.0  5.0  1.0
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0  5.0
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0  5.0 

isna()获取值为nan的布尔掩码:

代码语言:javascript
复制
In [60]: pd.isna(df1)
Out[60]: 
 A      B      C      D      F      E
2013-01-01  False  False  False  False   True  False
2013-01-02  False  False  False  False  False  False
2013-01-03  False  False  False  False  False   True
2013-01-04  False  False  False  False  False   True 

操作

在二进制运算基础部分查看更多。

统计

一般操作排除缺失数据。

计算每列的平均值:

代码语言:javascript
复制
In [61]: df.mean()
Out[61]: 
A   -0.004474
B   -0.383981
C   -0.687758
D    5.000000
F    3.000000
dtype: float64 

计算每行的平均值:

代码语言:javascript
复制
In [62]: df.mean(axis=1)
Out[62]: 
2013-01-01    0.872735
2013-01-02    1.431621
2013-01-03    0.707731
2013-01-04    1.395042
2013-01-05    1.883656
2013-01-06    1.592306
Freq: D, dtype: float64 

与具有不同索引或列的另一个SeriesDataFrame进行操作将使结果与索引或列标签的并集对齐。此外,pandas 会沿指定维度自动广播,并将未对齐的标签填充为np.nan

代码语言:javascript
复制
In [63]: s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates).shift(2)

In [64]: s
Out[64]: 
2013-01-01    NaN
2013-01-02    NaN
2013-01-03    1.0
2013-01-04    3.0
2013-01-05    5.0
2013-01-06    NaN
Freq: D, dtype: float64

In [65]: df.sub(s, axis="index")
Out[65]: 
 A         B         C    D    F
2013-01-01       NaN       NaN       NaN  NaN  NaN
2013-01-02       NaN       NaN       NaN  NaN  NaN
2013-01-03 -1.861849 -3.104569 -1.494929  4.0  1.0
2013-01-04 -2.278445 -3.706771 -4.039575  2.0  0.0
2013-01-05 -5.424972 -4.432980 -4.723768  0.0 -1.0
2013-01-06       NaN       NaN       NaN  NaN  NaN 
用户定义的函数

DataFrame.agg()DataFrame.transform()应用一个用户定义的函数,分别减少或广播其结果。

代码语言:javascript
复制
In [66]: df.agg(lambda x: np.mean(x) * 5.6)
Out[66]: 
A    -0.025054
B    -2.150294
C    -3.851445
D    28.000000
F    16.800000
dtype: float64

In [67]: df.transform(lambda x: x * 101.2)
Out[67]: 
 A           B           C      D      F
2013-01-01    0.000000    0.000000 -152.716721  506.0    NaN
2013-01-02  122.665737  -17.529322   12.063922  506.0  101.2
2013-01-03  -87.219115 -212.982405  -50.086843  506.0  202.4
2013-01-04   73.021382  -71.525239 -105.204988  506.0  303.6
2013-01-05  -43.007200   57.382459   27.954680  506.0  404.8
2013-01-06  -68.177398   11.501219 -149.616767  506.0  506.0 
值计数

在直方图和离散化中查看更多。

代码语言:javascript
复制
In [68]: s = pd.Series(np.random.randint(0, 7, size=10))

In [69]: s
Out[69]: 
0    4
1    2
2    1
3    2
4    6
5    4
6    4
7    6
8    4
9    4
dtype: int64

In [70]: s.value_counts()
Out[70]: 
4    5
2    2
6    2
1    1
Name: count, dtype: int64 
字符串方法

Series配备了一组字符串处理方法,位于str属性中,使得可以轻松地对数组的每个元素进行操作,如下面的代码片段所示。更多信息请参阅矢量化字符串方法。

代码语言:javascript
复制
In [71]: s = pd.Series(["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"])

In [72]: s.str.lower()
Out[72]: 
0       a
1       b
2       c
3    aaba
4    baca
5     NaN
6    caba
7     dog
8     cat
dtype: object 

合并

连接

pandas 提供了各种便捷的功能,可以轻松地将SeriesDataFrame对象结合在一起,对索引进行各种类型的集合逻辑操作,并在联接/合并类型操作中提供关系代数功能。

查看合并部分。

使用concat()将 pandas 对象沿行连接在一起:

代码语言:javascript
复制
In [73]: df = pd.DataFrame(np.random.randn(10, 4))

In [74]: df
Out[74]: 
 0         1         2         3
0 -0.548702  1.467327 -1.015962 -0.483075
1  1.637550 -1.217659 -0.291519 -1.745505
2 -0.263952  0.991460 -0.919069  0.266046
3 -0.709661  1.669052  1.037882 -1.705775
4 -0.919854 -0.042379  1.247642 -0.009920
5  0.290213  0.495767  0.362949  1.548106
6 -1.131345 -0.089329  0.337863 -0.945867
7 -0.932132  1.956030  0.017587 -0.016692
8 -0.575247  0.254161 -1.143704  0.215897
9  1.193555 -0.077118 -0.408530 -0.862495

# break it into pieces
In [75]: pieces = [df[:3], df[3:7], df[7:]]

In [76]: pd.concat(pieces)
Out[76]: 
 0         1         2         3
0 -0.548702  1.467327 -1.015962 -0.483075
1  1.637550 -1.217659 -0.291519 -1.745505
2 -0.263952  0.991460 -0.919069  0.266046
3 -0.709661  1.669052  1.037882 -1.705775
4 -0.919854 -0.042379  1.247642 -0.009920
5  0.290213  0.495767  0.362949  1.548106
6 -1.131345 -0.089329  0.337863 -0.945867
7 -0.932132  1.956030  0.017587 -0.016692
8 -0.575247  0.254161 -1.143704  0.215897
9  1.193555 -0.077118 -0.408530 -0.862495 

注意

DataFrame添加列相对较快。但是,添加行需要复制,可能会很昂贵。我们建议将预先构建的记录列表传递给DataFrame构造函数,而不是通过迭代附加记录来构建DataFrame

连接

merge()可以在特定列上启用 SQL 风格的连接类型。请参阅数据库风格连接部分。

代码语言:javascript
复制
In [77]: left = pd.DataFrame({"key": ["foo", "foo"], "lval": [1, 2]})

In [78]: right = pd.DataFrame({"key": ["foo", "foo"], "rval": [4, 5]})

In [79]: left
Out[79]: 
 key  lval
0  foo     1
1  foo     2

In [80]: right
Out[80]: 
 key  rval
0  foo     4
1  foo     5

In [81]: pd.merge(left, right, on="key")
Out[81]: 
 key  lval  rval
0  foo     1     4
1  foo     1     5
2  foo     2     4
3  foo     2     5 

在唯一键上进行merge()

代码语言:javascript
复制
In [82]: left = pd.DataFrame({"key": ["foo", "bar"], "lval": [1, 2]})

In [83]: right = pd.DataFrame({"key": ["foo", "bar"], "rval": [4, 5]})

In [84]: left
Out[84]: 
 key  lval
0  foo     1
1  bar     2

In [85]: right
Out[85]: 
 key  rval
0  foo     4
1  bar     5

In [86]: pd.merge(left, right, on="key")
Out[86]: 
 key  lval  rval
0  foo     1     4
1  bar     2     5 

分组

通过“分组”我们指的是涉及以下一个或多个步骤的过程:

  • 根据某些标准将数据分组
  • 对每个组独立应用函数
  • 将结果组合成数据结构

查看分组部分。

代码语言:javascript
复制
In [87]: df = pd.DataFrame(
 ....:    {
 ....:        "A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
 ....:        "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
 ....:        "C": np.random.randn(8),
 ....:        "D": np.random.randn(8),
 ....:    }
 ....: )
 ....: 

In [88]: df
Out[88]: 
 A      B         C         D
0  foo    one  1.346061 -1.577585
1  bar    one  1.511763  0.396823
2  foo    two  1.627081 -0.105381
3  bar  three -0.990582 -0.532532
4  foo    two -0.441652  1.453749
5  bar    two  1.211526  1.208843
6  foo    one  0.268520 -0.080952
7  foo  three  0.024580 -0.264610 

按列标签分组,选择列标签,然后对结果组应用DataFrameGroupBy.sum()函数:

代码语言:javascript
复制
In [89]: df.groupby("A")[["C", "D"]].sum()
Out[89]: 
 C         D
A 
bar  1.732707  1.073134
foo  2.824590 -0.574779 

按多个列标签形式进行分组形成MultiIndex

代码语言:javascript
复制
In [90]: df.groupby(["A", "B"]).sum()
Out[90]: 
 C         D
A   B 
bar one    1.511763  0.396823
 three -0.990582 -0.532532
 two    1.211526  1.208843
foo one    1.614581 -1.658537
 three  0.024580 -0.264610
 two    1.185429  1.348368 

重塑

请参阅分层索引和重塑部分。

堆叠
代码语言:javascript
复制
In [91]: arrays = [
 ....:   ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
 ....:   ["one", "two", "one", "two", "one", "two", "one", "two"],
 ....: ]
 ....: 

In [92]: index = pd.MultiIndex.from_arrays(arrays, names=["first", "second"])

In [93]: df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=["A", "B"])

In [94]: df2 = df[:4]

In [95]: df2
Out[95]: 
 A         B
first second 
bar   one    -0.727965 -0.589346
 two     0.339969 -0.693205
baz   one    -0.339355  0.593616
 two     0.884345  1.591431 

stack()方法在 DataFrame 的列中“压缩”了一个级别:

代码语言:javascript
复制
In [96]: stacked = df2.stack(future_stack=True)

In [97]: stacked
Out[97]: 
first  second 
bar    one     A   -0.727965
 B   -0.589346
 two     A    0.339969
 B   -0.693205
baz    one     A   -0.339355
 B    0.593616
 two     A    0.884345
 B    1.591431
dtype: float64 

对于具有MultiIndex作为index的“堆叠”DataFrame 或 Series,stack()的逆操作是unstack(),默认情况下取消堆叠最后一级

代码语言:javascript
复制
In [98]: stacked.unstack()
Out[98]: 
 A         B
first second 
bar   one    -0.727965 -0.589346
 two     0.339969 -0.693205
baz   one    -0.339355  0.593616
 two     0.884345  1.591431

In [99]: stacked.unstack(1)
Out[99]: 
second        one       two
first 
bar   A -0.727965  0.339969
 B -0.589346 -0.693205
baz   A -0.339355  0.884345
 B  0.593616  1.591431

In [100]: stacked.unstack(0)
Out[100]: 
first          bar       baz
second 
one    A -0.727965 -0.339355
 B -0.589346  0.593616
two    A  0.339969  0.884345
 B -0.693205  1.591431 
透视表

查看透视表部分。

代码语言:javascript
复制
In [101]: df = pd.DataFrame(
 .....:    {
 .....:        "A": ["one", "one", "two", "three"] * 3,
 .....:        "B": ["A", "B", "C"] * 4,
 .....:        "C": ["foo", "foo", "foo", "bar", "bar", "bar"] * 2,
 .....:        "D": np.random.randn(12),
 .....:        "E": np.random.randn(12),
 .....:    }
 .....: )
 .....: 

In [102]: df
Out[102]: 
 A  B    C         D         E
0     one  A  foo -1.202872  0.047609
1     one  B  foo -1.814470 -0.136473
2     two  C  foo  1.018601 -0.561757
3   three  A  bar -0.595447 -1.623033
4     one  B  bar  1.395433  0.029399
5     one  C  bar -0.392670 -0.542108
6     two  A  foo  0.007207  0.282696
7   three  B  foo  1.928123 -0.087302
8     one  C  foo -0.055224 -1.575170
9     one  A  bar  2.395985  1.771208
10    two  B  bar  1.552825  0.816482
11  three  C  bar  0.166599  1.100230 

pivot_table() 透视一个指定valuesindexcolumnsDataFrame

代码语言:javascript
复制
In [103]: pd.pivot_table(df, values="D", index=["A", "B"], columns=["C"])
Out[103]: 
C             bar       foo
A     B 
one   A  2.395985 -1.202872
 B  1.395433 -1.814470
 C -0.392670 -0.055224
three A -0.595447       NaN
 B       NaN  1.928123
 C  0.166599       NaN
two   A       NaN  0.007207
 B  1.552825       NaN
 C       NaN  1.018601 

时间序列

pandas 具有简单、强大和高效的功能,用于在频率转换期间执行重新采样操作(例如,将秒数据转换为 5 分钟数据)。这在金融应用中非常常见,但不限于此。请参阅时间序列部分。

代码语言:javascript
复制
In [104]: rng = pd.date_range("1/1/2012", periods=100, freq="s")

In [105]: ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

In [106]: ts.resample("5Min").sum()
Out[106]: 
2012-01-01    24182
Freq: 5min, dtype: int64 

Series.tz_localize() 将一个时间序列本地化到一个时区:

代码语言:javascript
复制
In [107]: rng = pd.date_range("3/6/2012 00:00", periods=5, freq="D")

In [108]: ts = pd.Series(np.random.randn(len(rng)), rng)

In [109]: ts
Out[109]: 
2012-03-06    1.857704
2012-03-07   -1.193545
2012-03-08    0.677510
2012-03-09   -0.153931
2012-03-10    0.520091
Freq: D, dtype: float64

In [110]: ts_utc = ts.tz_localize("UTC")

In [111]: ts_utc
Out[111]: 
2012-03-06 00:00:00+00:00    1.857704
2012-03-07 00:00:00+00:00   -1.193545
2012-03-08 00:00:00+00:00    0.677510
2012-03-09 00:00:00+00:00   -0.153931
2012-03-10 00:00:00+00:00    0.520091
Freq: D, dtype: float64 

Series.tz_convert() 将一个时区感知的时间序列转换到另一个时区:

代码语言:javascript
复制
In [112]: ts_utc.tz_convert("US/Eastern")
Out[112]: 
2012-03-05 19:00:00-05:00    1.857704
2012-03-06 19:00:00-05:00   -1.193545
2012-03-07 19:00:00-05:00    0.677510
2012-03-08 19:00:00-05:00   -0.153931
2012-03-09 19:00:00-05:00    0.520091
Freq: D, dtype: float64 

向时间序列添加非固定持续时间(BusinessDay):

代码语言:javascript
复制
In [113]: rng
Out[113]: 
DatetimeIndex(['2012-03-06', '2012-03-07', '2012-03-08', '2012-03-09',
 '2012-03-10'],
 dtype='datetime64[ns]', freq='D')

In [114]: rng + pd.offsets.BusinessDay(5)
Out[114]: 
DatetimeIndex(['2012-03-13', '2012-03-14', '2012-03-15', '2012-03-16',
 '2012-03-16'],
 dtype='datetime64[ns]', freq=None) 

分类数据

pandas 可以在DataFrame中包含分类数���。有关完整文档,请参阅分类介绍和 API 文档。

代码语言:javascript
复制
In [115]: df = pd.DataFrame(
 .....:    {"id": [1, 2, 3, 4, 5, 6], "raw_grade": ["a", "b", "b", "a", "a", "e"]}
 .....: )
 .....: 

将原始成绩转换为分类数据类型:

代码语言:javascript
复制
In [116]: df["grade"] = df["raw_grade"].astype("category")

In [117]: df["grade"]
Out[117]: 
0    a
1    b
2    b
3    a
4    a
5    e
Name: grade, dtype: category
Categories (3, object): ['a', 'b', 'e'] 

将类别重命名为更有意义的名称:

代码语言:javascript
复制
In [118]: new_categories = ["very good", "good", "very bad"]

In [119]: df["grade"] = df["grade"].cat.rename_categories(new_categories) 

重新排序类别并同时添加缺失的类别(Series.cat()下的方法默认返回一个新的Series):

代码语言:javascript
复制
In [120]: df["grade"] = df["grade"].cat.set_categories(
 .....:    ["very bad", "bad", "medium", "good", "very good"]
 .....: )
 .....: 

In [121]: df["grade"]
Out[121]: 
0    very good
1         good
2         good
3    very good
4    very good
5     very bad
Name: grade, dtype: category
Categories (5, object): ['very bad', 'bad', 'medium', 'good', 'very good'] 

排序按照类别中的顺序,而不是词法顺序:

代码语言:javascript
复制
In [122]: df.sort_values(by="grade")
Out[122]: 
 id raw_grade      grade
5   6         e   very bad
1   2         b       good
2   3         b       good
0   1         a  very good
3   4         a  very good
4   5         a  very good 

通过具有observed=False的分类列进行分组也会显示空类别:

代码语言:javascript
复制
In [123]: df.groupby("grade", observed=False).size()
Out[123]: 
grade
very bad     1
bad          0
medium       0
good         2
very good    3
dtype: int64 

绘图

查看绘图文档。

我们使用标准约定来引用 matplotlib API:

代码语言:javascript
复制
In [124]: import matplotlib.pyplot as plt

In [125]: plt.close("all") 

使用 plt.close 方法来关闭一个图形窗口:

代码语言:javascript
复制
In [126]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))

In [127]: ts = ts.cumsum()

In [128]: ts.plot(); 
../_images/series_plot_basic.png
../_images/series_plot_basic.png

注意

在 Jupyter 中使用plot()绘制图表。否则使用matplotlib.pyplot.show显示图表,或者使用matplotlib.pyplot.savefig将图表写入文件。

plot()绘制所有列:

代码语言:javascript
复制
In [129]: df = pd.DataFrame(
 .....:    np.random.randn(1000, 4), index=ts.index, columns=["A", "B", "C", "D"]
 .....: )
 .....: 

In [130]: df = df.cumsum()

In [131]: plt.figure();

In [132]: df.plot();

In [133]: plt.legend(loc='best'); 
../_images/frame_plot_basic.png
../_images/frame_plot_basic.png

导入和导出数据

查看 IO 工具部分。

CSV

写入 csv 文件:使用DataFrame.to_csv()

代码语言:javascript
复制
In [134]: df = pd.DataFrame(np.random.randint(0, 5, (10, 5)))

In [135]: df.to_csv("foo.csv") 

从 csv 文件中读取:使用read_csv()

代码语言:javascript
复制
In [136]: pd.read_csv("foo.csv")
Out[136]: 
 Unnamed: 0  0  1  2  3  4
0           0  4  3  1  1  2
1           1  1  0  2  3  2
2           2  1  4  2  1  2
3           3  0  4  0  2  2
4           4  4  2  2  3  4
5           5  4  0  4  3  1
6           6  2  1  2  0  3
7           7  4  0  4  4  4
8           8  4  4  1  0  1
9           9  0  4  3  0  3 
Parquet

写入 Parquet 文件:

代码语言:javascript
复制
In [137]: df.to_parquet("foo.parquet") 

使用read_parquet()从 Parquet 文件存储中读取:

代码语言:javascript
复制
In [138]: pd.read_parquet("foo.parquet")
Out[138]: 
 0  1  2  3  4
0  4  3  1  1  2
1  1  0  2  3  2
2  1  4  2  1  2
3  0  4  0  2  2
4  4  2  2  3  4
5  4  0  4  3  1
6  2  1  2  0  3
7  4  0  4  4  4
8  4  4  1  0  1
9  0  4  3  0  3 
Excel

读取和写入 Excel。

使用DataFrame.to_excel()将数据写入 excel 文件:

代码语言:javascript
复制
In [139]: df.to_excel("foo.xlsx", sheet_name="Sheet1") 

使用read_excel()���excel 文件中读取:

代码语言:javascript
复制
In [140]: pd.read_excel("foo.xlsx", "Sheet1", index_col=None, na_values=["NA"])
Out[140]: 
 Unnamed: 0  0  1  2  3  4
0           0  4  3  1  1  2
1           1  1  0  2  3  2
2           2  1  4  2  1  2
3           3  0  4  0  2  2
4           4  4  2  2  3  4
5           5  4  0  4  3  1
6           6  2  1  2  0  3
7           7  4  0  4  4  4
8           8  4  4  1  0  1
9           9  0  4  3  0  3 

注意事项

如果您尝试在SeriesDataFrame上执行布尔操作,可能会看到异常,如:

代码语言:javascript
复制
In [141]: if pd.Series([False, True, False]):
 .....:     print("I was true")
 .....: 
---------------------------------------------------------------------------
ValueError  Traceback (most recent call last)
<ipython-input-141-b27eb9c1dfc0> in ?()
----> 1 if pd.Series([False, True, False]):
  2      print("I was true")

~/work/pandas/pandas/pandas/core/generic.py in ?(self)
  1575     @final
  1576     def __nonzero__(self) -> NoReturn:
-> 1577         raise ValueError(
  1578             f"The truth value of a {type(self).__name__} is ambiguous. "
  1579             "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
  1580         )

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 

查看比较和注意事项以获取解释和处理方法。

Pandas 中的基本数据结构

Pandas 提供了两种处理数据的类:

  1. Series:一个持有任何类型数据的一维标记数组 例如整数、字符串、Python 对象等。
  2. DataFrame:一个二维数据结构,类似于二维数组或具有行和列的表格。

对象创建

查看数据结构简介部分。

通过传递值列表创建Series,让 pandas 创建默认的RangeIndex

代码语言:javascript
复制
In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])

In [4]: s
Out[4]: 
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64 

通过使用date_range()和标记列,通过传递具有日期时间索引的 NumPy 数组创建DataFrame

代码语言:javascript
复制
In [5]: dates = pd.date_range("20130101", periods=6)

In [6]: dates
Out[6]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
 '2013-01-05', '2013-01-06'],
 dtype='datetime64[ns]', freq='D')

In [7]: df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))

In [8]: df
Out[8]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-06 -0.673690  0.113648 -1.478427  0.524988 

通过传递一个字典对象创建一个DataFrame,其中键是列标签,值是列值。

代码语言:javascript
复制
In [9]: df2 = pd.DataFrame(
 ...:    {
 ...:        "A": 1.0,
 ...:        "B": pd.Timestamp("20130102"),
 ...:        "C": pd.Series(1, index=list(range(4)), dtype="float32"),
 ...:        "D": np.array([3] * 4, dtype="int32"),
 ...:        "E": pd.Categorical(["test", "train", "test", "train"]),
 ...:        "F": "foo",
 ...:    }
 ...: )
 ...: 

In [10]: df2
Out[10]: 
 A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo 

结果DataFrame的列具有不同的 dtypes:

代码语言:javascript
复制
In [11]: df2.dtypes
Out[11]: 
A          float64
B    datetime64[s]
C          float32
D            int32
E         category
F           object
dtype: object 

如果你正在使用 IPython,列名(以及公共属性)的制表符自动完成功能已经启用。以下是将被自动完成的属性的子集:

代码语言:javascript
复制
In [12]: df2.<TAB>  # noqa: E225, E999
df2.A                  df2.bool
df2.abs                df2.boxplot
df2.add                df2.C
df2.add_prefix         df2.clip
df2.add_suffix         df2.columns
df2.align              df2.copy
df2.all                df2.count
df2.any                df2.combine
df2.append             df2.D
df2.apply              df2.describe
df2.applymap           df2.diff
df2.B                  df2.duplicated 

正如你所看到的,列ABCD已经自动完成。EF也在其中;其余属性由于简洁起见已被截断。

查看数据

查看基本功能部分。

使用DataFrame.head()DataFrame.tail()分别查看框架的顶部和底部行:

代码语言:javascript
复制
In [13]: df.head()
Out[13]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401

In [14]: df.tail(3)
Out[14]: 
 A         B         C         D
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-06 -0.673690  0.113648 -1.478427  0.524988 

显示DataFrame.indexDataFrame.columns

代码语言:javascript
复制
In [15]: df.index
Out[15]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
 '2013-01-05', '2013-01-06'],
 dtype='datetime64[ns]', freq='D')

In [16]: df.columns
Out[16]: Index(['A', 'B', 'C', 'D'], dtype='object') 

使用DataFrame.to_numpy()返回底层数据的 NumPy 表示,不包括索引或列标签:

代码语言:javascript
复制
In [17]: df.to_numpy()
Out[17]: 
array([[ 0.4691, -0.2829, -1.5091, -1.1356],
 [ 1.2121, -0.1732,  0.1192, -1.0442],
 [-0.8618, -2.1046, -0.4949,  1.0718],
 [ 0.7216, -0.7068, -1.0396,  0.2719],
 [-0.425 ,  0.567 ,  0.2762, -1.0874],
 [-0.6737,  0.1136, -1.4784,  0.525 ]]) 

注意

NumPy 数组整个数组只有一个 dtype,而 pandas DataFrames 每列有一个 dtype。当你调用DataFrame.to_numpy()时,pandas 会找到可以容纳 DataFrame 中所有dtypes 的 NumPy dtype。如果通用数据类型是objectDataFrame.to_numpy()将需要复制数据。

代码语言:javascript
复制
In [18]: df2.dtypes
Out[18]: 
A          float64
B    datetime64[s]
C          float32
D            int32
E         category
F           object
dtype: object

In [19]: df2.to_numpy()
Out[19]: 
array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
 [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'],
 [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
 [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']],
 dtype=object) 

describe()显示数据的快速统计摘要:

代码语言:javascript
复制
In [20]: df.describe()
Out[20]: 
 A         B         C         D
count  6.000000  6.000000  6.000000  6.000000
mean   0.073711 -0.431125 -0.687758 -0.233103
std    0.843157  0.922818  0.779887  0.973118
min   -0.861849 -2.104569 -1.509059 -1.135632
25%   -0.611510 -0.600794 -1.368714 -1.076610
50%    0.022070 -0.228039 -0.767252 -0.386188
75%    0.658444  0.041933 -0.034326  0.461706
max    1.212112  0.567020  0.276232  1.071804 

转置你的数据:

代码语言:javascript
复制
In [21]: df.T
Out[21]: 
 2013-01-01  2013-01-02  2013-01-03  2013-01-04  2013-01-05  2013-01-06
A    0.469112    1.212112   -0.861849    0.721555   -0.424972   -0.673690
B   -0.282863   -0.173215   -2.104569   -0.706771    0.567020    0.113648
C   -1.509059    0.119209   -0.494929   -1.039575    0.276232   -1.478427
D   -1.135632   -1.044236    1.071804    0.271860   -1.087401    0.524988 

DataFrame.sort_index()按轴排序:

代码语言:javascript
复制
In [22]: df.sort_index(axis=1, ascending=False)
Out[22]: 
 D         C         B         A
2013-01-01 -1.135632 -1.509059 -0.282863  0.469112
2013-01-02 -1.044236  0.119209 -0.173215  1.212112
2013-01-03  1.071804 -0.494929 -2.104569 -0.861849
2013-01-04  0.271860 -1.039575 -0.706771  0.721555
2013-01-05 -1.087401  0.276232  0.567020 -0.424972
2013-01-06  0.524988 -1.478427  0.113648 -0.673690 

DataFrame.sort_values()按值排序:

代码语言:javascript
复制
In [23]: df.sort_values(by="B")
Out[23]: 
 A         B         C         D
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-06 -0.673690  0.113648 -1.478427  0.524988
2013-01-05 -0.424972  0.567020  0.276232 -1.087401 

选择

注意

虽然用于选择和设置的标准 Python/NumPy 表达式直观且对交互式工作很方便,但对于生产代码,我们建议使用优化的 pandas 数据访问方法,DataFrame.at()DataFrame.iat()DataFrame.loc()DataFrame.iloc()

查看索引文档索引和选择数据和 MultiIndex /高级索引。

获取项([]

对于DataFrame,传递单个标签选择列并产生等同于df.ASeries

代码语言:javascript
复制
In [24]: df["A"]
Out[24]: 
2013-01-01    0.469112
2013-01-02    1.212112
2013-01-03   -0.861849
2013-01-04    0.721555
2013-01-05   -0.424972
2013-01-06   -0.673690
Freq: D, Name: A, dtype: float64 

对于DataFrame,传递切片:选择匹配的行:

代码语言:javascript
复制
In [25]: df[0:3]
Out[25]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804

In [26]: df["20130102":"20130104"]
Out[26]: 
 A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860 
按标签选择

查看更多关于按标签选择的信息,使用DataFrame.loc()DataFrame.at()

选择匹配标签的行:

代码语言:javascript
复制
In [27]: df.loc[dates[0]]
Out[27]: 
A    0.469112
B   -0.282863
C   -1.509059
D   -1.135632
Name: 2013-01-01 00:00:00, dtype: float64 

选择所有行(:)与选择列标签:

代码语言:javascript
复制
In [28]: df.loc[:, ["A", "B"]]
Out[28]: 
 A         B
2013-01-01  0.469112 -0.282863
2013-01-02  1.212112 -0.173215
2013-01-03 -0.861849 -2.104569
2013-01-04  0.721555 -0.706771
2013-01-05 -0.424972  0.567020
2013-01-06 -0.673690  0.113648 

对于标签切片,两个端点都是包含的:

代码语言:javascript
复制
In [29]: df.loc["20130102":"20130104", ["A", "B"]]
Out[29]: 
 A         B
2013-01-02  1.212112 -0.173215
2013-01-03 -0.861849 -2.104569
2013-01-04  0.721555 -0.706771 

选择单个行和列标签返回一个标量:

代码语言:javascript
复制
In [30]: df.loc[dates[0], "A"]
Out[30]: 0.4691122999071863 

获取快速访问标量(等同于先前的方法):

代码语言:javascript
复制
In [31]: df.at[dates[0], "A"]
Out[31]: 0.4691122999071863 
按位置选择

查看更多关于按位置选择的信息,使用DataFrame.iloc()DataFrame.iat()

通过传递整数的位置选择:

代码语言:javascript
复制
In [32]: df.iloc[3]
Out[32]: 
A    0.721555
B   -0.706771
C   -1.039575
D    0.271860
Name: 2013-01-04 00:00:00, dtype: float64 

整数切片类似于 NumPy/Python:

代码语言:javascript
复制
In [33]: df.iloc[3:5, 0:2]
Out[33]: 
 A         B
2013-01-04  0.721555 -0.706771
2013-01-05 -0.424972  0.567020 

整数位置位置列表:

代码语言:javascript
复制
In [34]: df.iloc[[1, 2, 4], [0, 2]]
Out[34]: 
 A         C
2013-01-02  1.212112  0.119209
2013-01-03 -0.861849 -0.494929
2013-01-05 -0.424972  0.276232 

明确切片行:

代码语言:javascript
复制
In [35]: df.iloc[1:3, :]
Out[35]: 
 A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804 

明确切片列:

代码语言:javascript
复制
In [36]: df.iloc[:, 1:3]
Out[36]: 
 B         C
2013-01-01 -0.282863 -1.509059
2013-01-02 -0.173215  0.119209
2013-01-03 -2.104569 -0.494929
2013-01-04 -0.706771 -1.039575
2013-01-05  0.567020  0.276232
2013-01-06  0.113648 -1.478427 

明确获取值:

代码语言:javascript
复制
In [37]: df.iloc[1, 1]
Out[37]: -0.17321464905330858 

获取快速访问标量(等同于先前的方法):

代码语言:javascript
复制
In [38]: df.iat[1, 1]
Out[38]: -0.17321464905330858 
布尔索引

选择df.A大于0的行。

代码语言:javascript
复制
In [39]: df[df["A"] > 0]
Out[39]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-04  0.721555 -0.706771 -1.039575  0.271860 

从满足布尔条件的DataFrame中选择值:

代码语言:javascript
复制
In [40]: df[df > 0]
Out[40]: 
 A         B         C         D
2013-01-01  0.469112       NaN       NaN       NaN
2013-01-02  1.212112       NaN  0.119209       NaN
2013-01-03       NaN       NaN       NaN  1.071804
2013-01-04  0.721555       NaN       NaN  0.271860
2013-01-05       NaN  0.567020  0.276232       NaN
2013-01-06       NaN  0.113648       NaN  0.524988 

使用isin()方法进行过滤:

代码语言:javascript
复制
In [41]: df2 = df.copy()

In [42]: df2["E"] = ["one", "one", "two", "three", "four", "three"]

In [43]: df2
Out[43]: 
 A         B         C         D      E
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632    one
2013-01-02  1.212112 -0.173215  0.119209 -1.044236    one
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804    two
2013-01-04  0.721555 -0.706771 -1.039575  0.271860  three
2013-01-05 -0.424972  0.567020  0.276232 -1.087401   four
2013-01-06 -0.673690  0.113648 -1.478427  0.524988  three

In [44]: df2[df2["E"].isin(["two", "four"])]
Out[44]: 
 A         B         C         D     E
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804   two
2013-01-05 -0.424972  0.567020  0.276232 -1.087401  four 
设置

设置新列会自动根据索引对齐数据:

代码语言:javascript
复制
In [45]: s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range("20130102", periods=6))

In [46]: s1
Out[46]: 
2013-01-02    1
2013-01-03    2
2013-01-04    3
2013-01-05    4
2013-01-06    5
2013-01-07    6
Freq: D, dtype: int64

In [47]: df["F"] = s1 

按标签设置值:

代码语言:javascript
复制
In [48]: df.at[dates[0], "A"] = 0 

按位置设置值:

代码语言:javascript
复制
In [49]: df.iat[0, 1] = 0 

通过分配 NumPy 数组进行设置:

代码语言:javascript
复制
In [50]: df.loc[:, "D"] = np.array([5] * len(df)) 

先前设置操作的结果:

代码语言:javascript
复制
In [51]: df
Out[51]: 
 A         B         C    D    F
2013-01-01  0.000000  0.000000 -1.509059  5.0  NaN
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0
2013-01-05 -0.424972  0.567020  0.276232  5.0  4.0
2013-01-06 -0.673690  0.113648 -1.478427  5.0  5.0 

具有设置的where操作:

代码语言:javascript
复制
In [52]: df2 = df.copy()

In [53]: df2[df2 > 0] = -df2

In [54]: df2
Out[54]: 
 A         B         C    D    F
2013-01-01  0.000000  0.000000 -1.509059 -5.0  NaN
2013-01-02 -1.212112 -0.173215 -0.119209 -5.0 -1.0
2013-01-03 -0.861849 -2.104569 -0.494929 -5.0 -2.0
2013-01-04 -0.721555 -0.706771 -1.039575 -5.0 -3.0
2013-01-05 -0.424972 -0.567020 -0.276232 -5.0 -4.0
2013-01-06 -0.673690 -0.113648 -1.478427 -5.0 -5.0 
获取项([]

对于DataFrame,传递单个标签选择列并产生等同于df.ASeries

代码语言:javascript
复制
In [24]: df["A"]
Out[24]: 
2013-01-01    0.469112
2013-01-02    1.212112
2013-01-03   -0.861849
2013-01-04    0.721555
2013-01-05   -0.424972
2013-01-06   -0.673690
Freq: D, Name: A, dtype: float64 

对于DataFrame,通过传递切片:选择匹配的行:

代码语言:javascript
复制
In [25]: df[0:3]
Out[25]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804

In [26]: df["20130102":"20130104"]
Out[26]: 
 A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860 
按标签选择

请参阅按标签选择 使用DataFrame.loc()DataFrame.at()

选择匹配标签的行:

代码语言:javascript
复制
In [27]: df.loc[dates[0]]
Out[27]: 
A    0.469112
B   -0.282863
C   -1.509059
D   -1.135632
Name: 2013-01-01 00:00:00, dtype: float64 

选择所有行(:)与选择列标签:

代码语言:javascript
复制
In [28]: df.loc[:, ["A", "B"]]
Out[28]: 
 A         B
2013-01-01  0.469112 -0.282863
2013-01-02  1.212112 -0.173215
2013-01-03 -0.861849 -2.104569
2013-01-04  0.721555 -0.706771
2013-01-05 -0.424972  0.567020
2013-01-06 -0.673690  0.113648 

对于标签切片,两个端点都包括

代码语言:javascript
复制
In [29]: df.loc["20130102":"20130104", ["A", "B"]]
Out[29]: 
 A         B
2013-01-02  1.212112 -0.173215
2013-01-03 -0.861849 -2.104569
2013-01-04  0.721555 -0.706771 

选择单个行和列标签返回一个标量:

代码语言:javascript
复制
In [30]: df.loc[dates[0], "A"]
Out[30]: 0.4691122999071863 

为了快速访问标量(等效于先前的方法):

代码语言:javascript
复制
In [31]: df.at[dates[0], "A"]
Out[31]: 0.4691122999071863 
按位置选择

请参阅按位置选择 使用DataFrame.iloc()DataFrame.iat()

通过传递整数的位置选择:

代码语言:javascript
复制
In [32]: df.iloc[3]
Out[32]: 
A    0.721555
B   -0.706771
C   -1.039575
D    0.271860
Name: 2013-01-04 00:00:00, dtype: float64 

整数切片类似于 NumPy/Python:

代码语言:javascript
复制
In [33]: df.iloc[3:5, 0:2]
Out[33]: 
 A         B
2013-01-04  0.721555 -0.706771
2013-01-05 -0.424972  0.567020 

整数位置位置列表:

代码语言:javascript
复制
In [34]: df.iloc[[1, 2, 4], [0, 2]]
Out[34]: 
 A         C
2013-01-02  1.212112  0.119209
2013-01-03 -0.861849 -0.494929
2013-01-05 -0.424972  0.276232 

明确切片行:

代码语言:javascript
复制
In [35]: df.iloc[1:3, :]
Out[35]: 
 A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804 

明确切片列:

代码语言:javascript
复制
In [36]: df.iloc[:, 1:3]
Out[36]: 
 B         C
2013-01-01 -0.282863 -1.509059
2013-01-02 -0.173215  0.119209
2013-01-03 -2.104569 -0.494929
2013-01-04 -0.706771 -1.039575
2013-01-05  0.567020  0.276232
2013-01-06  0.113648 -1.478427 

明确获取一个值:

代码语言:javascript
复制
In [37]: df.iloc[1, 1]
Out[37]: -0.17321464905330858 

为了快速访问标量(等效于先前的方法):

代码语言:javascript
复制
In [38]: df.iat[1, 1]
Out[38]: -0.17321464905330858 
布尔索引

选择df.A大于0的行。

代码语言:javascript
复制
In [39]: df[df["A"] > 0]
Out[39]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-04  0.721555 -0.706771 -1.039575  0.271860 

DataFrame 中选择满足布尔条件的值:

代码语言:javascript
复制
In [40]: df[df > 0]
Out[40]: 
 A         B         C         D
2013-01-01  0.469112       NaN       NaN       NaN
2013-01-02  1.212112       NaN  0.119209       NaN
2013-01-03       NaN       NaN       NaN  1.071804
2013-01-04  0.721555       NaN       NaN  0.271860
2013-01-05       NaN  0.567020  0.276232       NaN
2013-01-06       NaN  0.113648       NaN  0.524988 

使用isin() 方法进行过滤:

代码语言:javascript
复制
In [41]: df2 = df.copy()

In [42]: df2["E"] = ["one", "one", "two", "three", "four", "three"]

In [43]: df2
Out[43]: 
 A         B         C         D      E
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632    one
2013-01-02  1.212112 -0.173215  0.119209 -1.044236    one
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804    two
2013-01-04  0.721555 -0.706771 -1.039575  0.271860  three
2013-01-05 -0.424972  0.567020  0.276232 -1.087401   four
2013-01-06 -0.673690  0.113648 -1.478427  0.524988  three

In [44]: df2[df2["E"].isin(["two", "four"])]
Out[44]: 
 A         B         C         D     E
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804   two
2013-01-05 -0.424972  0.567020  0.276232 -1.087401  four 
设置

设置新列会自动根据索引对齐数据:

代码语言:javascript
复制
In [45]: s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range("20130102", periods=6))

In [46]: s1
Out[46]: 
2013-01-02    1
2013-01-03    2
2013-01-04    3
2013-01-05    4
2013-01-06    5
2013-01-07    6
Freq: D, dtype: int64

In [47]: df["F"] = s1 

按标签设置值:

代码语言:javascript
复制
In [48]: df.at[dates[0], "A"] = 0 

按位置设置值:

代码语言:javascript
复制
In [49]: df.iat[0, 1] = 0 

通过分配 NumPy 数组进行设置:

代码语言:javascript
复制
In [50]: df.loc[:, "D"] = np.array([5] * len(df)) 

先前设置操作的结果:

代码语言:javascript
复制
In [51]: df
Out[51]: 
 A         B         C    D    F
2013-01-01  0.000000  0.000000 -1.509059  5.0  NaN
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0
2013-01-05 -0.424972  0.567020  0.276232  5.0  4.0
2013-01-06 -0.673690  0.113648 -1.478427  5.0  5.0 

使用设置的where操作:

代码语言:javascript
复制
In [52]: df2 = df.copy()

In [53]: df2[df2 > 0] = -df2

In [54]: df2
Out[54]: 
 A         B         C    D    F
2013-01-01  0.000000  0.000000 -1.509059 -5.0  NaN
2013-01-02 -1.212112 -0.173215 -0.119209 -5.0 -1.0
2013-01-03 -0.861849 -2.104569 -0.494929 -5.0 -2.0
2013-01-04 -0.721555 -0.706771 -1.039575 -5.0 -3.0
2013-01-05 -0.424972 -0.567020 -0.276232 -5.0 -4.0
2013-01-06 -0.673690 -0.113648 -1.478427 -5.0 -5.0 

缺失数据

对于 NumPy 数据类型,np.nan表示缺失数据。默认情况下不包括在计算中。请参阅缺失数据部分。

重新索引允许您更改/添加/删除指定轴上的索引。这将返回数据的副本:

代码语言:javascript
复制
In [55]: df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ["E"])

In [56]: df1.loc[dates[0] : dates[1], "E"] = 1

In [57]: df1
Out[57]: 
 A         B         C    D    F    E
2013-01-01  0.000000  0.000000 -1.509059  5.0  NaN  1.0
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0  NaN
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0  NaN 

DataFrame.dropna() 删除任何具有缺失数据的行:

代码语言:javascript
复制
In [58]: df1.dropna(how="any")
Out[58]: 
 A         B         C    D    F    E
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0  1.0 

DataFrame.fillna() 用于填充缺失数据:

代码语言:javascript
复制
In [59]: df1.fillna(value=5)
Out[59]: 
 A         B         C    D    F    E
2013-01-01  0.000000  0.000000 -1.509059  5.0  5.0  1.0
2013-01-02  1.212112 -0.173215  0.119209  5.0  1.0  1.0
2013-01-03 -0.861849 -2.104569 -0.494929  5.0  2.0  5.0
2013-01-04  0.721555 -0.706771 -1.039575  5.0  3.0  5.0 

isna() 获取布尔掩码,其中值为nan

代码语言:javascript
复制
In [60]: pd.isna(df1)
Out[60]: 
 A      B      C      D      F      E
2013-01-01  False  False  False  False   True  False
2013-01-02  False  False  False  False  False  False
2013-01-03  False  False  False  False  False   True
2013-01-04  False  False  False  False  False   True 

操作

请参阅二进制运算基础部分。

统计

通常的操作排除缺失数据。

计算每列的平均值:

代码语言:javascript
复制
In [61]: df.mean()
Out[61]: 
A   -0.004474
B   -0.383981
C   -0.687758
D    5.000000
F    3.000000
dtype: float64 

计算每行的平均值:

代码语言:javascript
复制
In [62]: df.mean(axis=1)
Out[62]: 
2013-01-01    0.872735
2013-01-02    1.431621
2013-01-03    0.707731
2013-01-04    1.395042
2013-01-05    1.883656
2013-01-06    1.592306
Freq: D, dtype: float64 

与具有不同索引或列的另一个SeriesDataFrame进行操作将使结果与索引或列标签的并集对齐。此外,pandas 会沿指定维度自动广播,并用np.nan填充未对齐的标签。

代码语言:javascript
复制
In [63]: s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates).shift(2)

In [64]: s
Out[64]: 
2013-01-01    NaN
2013-01-02    NaN
2013-01-03    1.0
2013-01-04    3.0
2013-01-05    5.0
2013-01-06    NaN
Freq: D, dtype: float64

In [65]: df.sub(s, axis="index")
Out[65]: 
 A         B         C    D    F
2013-01-01       NaN       NaN       NaN  NaN  NaN
2013-01-02       NaN       NaN       NaN  NaN  NaN
2013-01-03 -1.861849 -3.104569 -1.494929  4.0  1.0
2013-01-04 -2.278445 -3.706771 -4.039575  2.0  0.0
2013-01-05 -5.424972 -4.432980 -4.723768  0.0 -1.0
2013-01-06       NaN       NaN       NaN  NaN  NaN 
用户定义的函数

DataFrame.agg()DataFrame.transform()应用用户定义的函数,分别减少或广播其结果。

代码语言:javascript
复制
In [66]: df.agg(lambda x: np.mean(x) * 5.6)
Out[66]: 
A    -0.025054
B    -2.150294
C    -3.851445
D    28.000000
F    16.800000
dtype: float64

In [67]: df.transform(lambda x: x * 101.2)
Out[67]: 
 A           B           C      D      F
2013-01-01    0.000000    0.000000 -152.716721  506.0    NaN
2013-01-02  122.665737  -17.529322   12.063922  506.0  101.2
2013-01-03  -87.219115 -212.982405  -50.086843  506.0  202.4
2013-01-04   73.021382  -71.525239 -105.204988  506.0  303.6
2013-01-05  -43.007200   57.382459   27.954680  506.0  404.8
2013-01-06  -68.177398   11.501219 -149.616767  506.0  506.0 
值计数

查看更多内容,请参阅直方图和离散化。

代码语言:javascript
复制
In [68]: s = pd.Series(np.random.randint(0, 7, size=10))

In [69]: s
Out[69]: 
0    4
1    2
2    1
3    2
4    6
5    4
6    4
7    6
8    4
9    4
dtype: int64

In [70]: s.value_counts()
Out[70]: 
4    5
2    2
6    2
1    1
Name: count, dtype: int64 
字符串方法

Series配备了一组字符串处理方法,位于str属性中,使得在数组的每个元素上操作变得容易,如下面的代码片段所示。查看更多内容,请参阅矢量化字符串方法。

代码语言:javascript
复制
In [71]: s = pd.Series(["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"])

In [72]: s.str.lower()
Out[72]: 
0       a
1       b
2       c
3    aaba
4    baca
5     NaN
6    caba
7     dog
8     cat
dtype: object 
统计

通常情况下,操作排除缺失数据。

计算每列的平均值:

代码语言:javascript
复制
In [61]: df.mean()
Out[61]: 
A   -0.004474
B   -0.383981
C   -0.687758
D    5.000000
F    3.000000
dtype: float64 

计算每行的平均值:

代码语言:javascript
复制
In [62]: df.mean(axis=1)
Out[62]: 
2013-01-01    0.872735
2013-01-02    1.431621
2013-01-03    0.707731
2013-01-04    1.395042
2013-01-05    1.883656
2013-01-06    1.592306
Freq: D, dtype: float64 

与具有不同索引或列的另一个SeriesDataFrame进行操作将使结果与索引或列标签的并集对齐。此外,pandas 会沿指定维度自动广播,并用np.nan填充未对齐的标签。

代码语言:javascript
复制
In [63]: s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates).shift(2)

In [64]: s
Out[64]: 
2013-01-01    NaN
2013-01-02    NaN
2013-01-03    1.0
2013-01-04    3.0
2013-01-05    5.0
2013-01-06    NaN
Freq: D, dtype: float64

In [65]: df.sub(s, axis="index")
Out[65]: 
 A         B         C    D    F
2013-01-01       NaN       NaN       NaN  NaN  NaN
2013-01-02       NaN       NaN       NaN  NaN  NaN
2013-01-03 -1.861849 -3.104569 -1.494929  4.0  1.0
2013-01-04 -2.278445 -3.706771 -4.039575  2.0  0.0
2013-01-05 -5.424972 -4.432980 -4.723768  0.0 -1.0
2013-01-06       NaN       NaN       NaN  NaN  NaN 
用户定义的函数

DataFrame.agg()DataFrame.transform()应用用户定义的函数,分别减少或广播其结果。

代码语言:javascript
复制
In [66]: df.agg(lambda x: np.mean(x) * 5.6)
Out[66]: 
A    -0.025054
B    -2.150294
C    -3.851445
D    28.000000
F    16.800000
dtype: float64

In [67]: df.transform(lambda x: x * 101.2)
Out[67]: 
 A           B           C      D      F
2013-01-01    0.000000    0.000000 -152.716721  506.0    NaN
2013-01-02  122.665737  -17.529322   12.063922  506.0  101.2
2013-01-03  -87.219115 -212.982405  -50.086843  506.0  202.4
2013-01-04   73.021382  -71.525239 -105.204988  506.0  303.6
2013-01-05  -43.007200   57.382459   27.954680  506.0  404.8
2013-01-06  -68.177398   11.501219 -149.616767  506.0  506.0 
值计数

查看更多内容,请参阅直方图和离散化。

代码语言:javascript
复制
In [68]: s = pd.Series(np.random.randint(0, 7, size=10))

In [69]: s
Out[69]: 
0    4
1    2
2    1
3    2
4    6
5    4
6    4
7    6
8    4
9    4
dtype: int64

In [70]: s.value_counts()
Out[70]: 
4    5
2    2
6    2
1    1
Name: count, dtype: int64 
字符串方法

Series配备了一组字符串处理方法,位于str属性中,使得在数组的每个元素上操作变得容易,如下面的代码片段所示。查看更多内容,请参阅矢量化字符串方法。

代码语言:javascript
复制
In [71]: s = pd.Series(["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"])

In [72]: s.str.lower()
Out[72]: 
0       a
1       b
2       c
3    aaba
4    baca
5     NaN
6    caba
7     dog
8     cat
dtype: object 

合并

连接

pandas 提供了各种便捷的功能,用于轻松组合不同种类的SeriesDataFrame对象,针对索引的各种集合逻辑以及关系代数功能在连接/合并类型操作的情况下。

请参见合并部分。

使用concat()将 pandas 对象沿行连接在一起:

代码语言:javascript
复制
In [73]: df = pd.DataFrame(np.random.randn(10, 4))

In [74]: df
Out[74]: 
 0         1         2         3
0 -0.548702  1.467327 -1.015962 -0.483075
1  1.637550 -1.217659 -0.291519 -1.745505
2 -0.263952  0.991460 -0.919069  0.266046
3 -0.709661  1.669052  1.037882 -1.705775
4 -0.919854 -0.042379  1.247642 -0.009920
5  0.290213  0.495767  0.362949  1.548106
6 -1.131345 -0.089329  0.337863 -0.945867
7 -0.932132  1.956030  0.017587 -0.016692
8 -0.575247  0.254161 -1.143704  0.215897
9  1.193555 -0.077118 -0.408530 -0.862495

# break it into pieces
In [75]: pieces = [df[:3], df[3:7], df[7:]]

In [76]: pd.concat(pieces)
Out[76]: 
 0         1         2         3
0 -0.548702  1.467327 -1.015962 -0.483075
1  1.637550 -1.217659 -0.291519 -1.745505
2 -0.263952  0.991460 -0.919069  0.266046
3 -0.709661  1.669052  1.037882 -1.705775
4 -0.919854 -0.042379  1.247642 -0.009920
5  0.290213  0.495767  0.362949  1.548106
6 -1.131345 -0.089329  0.337863 -0.945867
7 -0.932132  1.956030  0.017587 -0.016692
8 -0.575247  0.254161 -1.143704  0.215897
9  1.193555 -0.077118 -0.408530 -0.862495 

注意

DataFrame添加列相对较快。但是,添加行需要复制,可能会很昂贵。我们建议将预先构建的记录列表传递给DataFrame构造函数,而不是通过迭代附加记录来构建DataFrame

合并

merge()允许在特定列上进行 SQL 风格的连接类型。请参见数据库风格的连接部分。

代码语言:javascript
复制
In [77]: left = pd.DataFrame({"key": ["foo", "foo"], "lval": [1, 2]})

In [78]: right = pd.DataFrame({"key": ["foo", "foo"], "rval": [4, 5]})

In [79]: left
Out[79]: 
 key  lval
0  foo     1
1  foo     2

In [80]: right
Out[80]: 
 key  rval
0  foo     4
1  foo     5

In [81]: pd.merge(left, right, on="key")
Out[81]: 
 key  lval  rval
0  foo     1     4
1  foo     1     5
2  foo     2     4
3  foo     2     5 

在唯一键上使用merge()

代码语言:javascript
复制
In [82]: left = pd.DataFrame({"key": ["foo", "bar"], "lval": [1, 2]})

In [83]: right = pd.DataFrame({"key": ["foo", "bar"], "rval": [4, 5]})

In [84]: left
Out[84]: 
 key  lval
0  foo     1
1  bar     2

In [85]: right
Out[85]: 
 key  rval
0  foo     4
1  bar     5

In [86]: pd.merge(left, right, on="key")
Out[86]: 
 key  lval  rval
0  foo     1     4
1  bar     2     5 
连接

pandas 提供了各种便利设施,可以轻松地将SeriesDataFrame对象组合在一起,对索引进行各种集合逻辑操作,并在联接/合并类型操作中提供关系代数功能。

请参见合并部分。

使用concat()将 pandas 对象沿行连接在一起:

代码语言:javascript
复制
In [73]: df = pd.DataFrame(np.random.randn(10, 4))

In [74]: df
Out[74]: 
 0         1         2         3
0 -0.548702  1.467327 -1.015962 -0.483075
1  1.637550 -1.217659 -0.291519 -1.745505
2 -0.263952  0.991460 -0.919069  0.266046
3 -0.709661  1.669052  1.037882 -1.705775
4 -0.919854 -0.042379  1.247642 -0.009920
5  0.290213  0.495767  0.362949  1.548106
6 -1.131345 -0.089329  0.337863 -0.945867
7 -0.932132  1.956030  0.017587 -0.016692
8 -0.575247  0.254161 -1.143704  0.215897
9  1.193555 -0.077118 -0.408530 -0.862495

# break it into pieces
In [75]: pieces = [df[:3], df[3:7], df[7:]]

In [76]: pd.concat(pieces)
Out[76]: 
 0         1         2         3
0 -0.548702  1.467327 -1.015962 -0.483075
1  1.637550 -1.217659 -0.291519 -1.745505
2 -0.263952  0.991460 -0.919069  0.266046
3 -0.709661  1.669052  1.037882 -1.705775
4 -0.919854 -0.042379  1.247642 -0.009920
5  0.290213  0.495767  0.362949  1.548106
6 -1.131345 -0.089329  0.337863 -0.945867
7 -0.932132  1.956030  0.017587 -0.016692
8 -0.575247  0.254161 -1.143704  0.215897
9  1.193555 -0.077118 -0.408530 -0.862495 

注意

DataFrame添加列相对较快。但是,添加行需要复制,可能会很昂贵。我们建议将预先构建的记录列表传递给DataFrame构造函数,而不是通过迭代附加记录来构建DataFrame

合并

merge()允许在特定列上进行 SQL 风格的连接类型。请参见数据库风格的连接部分。

代码语言:javascript
复制
In [77]: left = pd.DataFrame({"key": ["foo", "foo"], "lval": [1, 2]})

In [78]: right = pd.DataFrame({"key": ["foo", "foo"], "rval": [4, 5]})

In [79]: left
Out[79]: 
 key  lval
0  foo     1
1  foo     2

In [80]: right
Out[80]: 
 key  rval
0  foo     4
1  foo     5

In [81]: pd.merge(left, right, on="key")
Out[81]: 
 key  lval  rval
0  foo     1     4
1  foo     1     5
2  foo     2     4
3  foo     2     5 

在唯一键上使用merge()

代码语言:javascript
复制
In [82]: left = pd.DataFrame({"key": ["foo", "bar"], "lval": [1, 2]})

In [83]: right = pd.DataFrame({"key": ["foo", "bar"], "rval": [4, 5]})

In [84]: left
Out[84]: 
 key  lval
0  foo     1
1  bar     2

In [85]: right
Out[85]: 
 key  rval
0  foo     4
1  bar     5

In [86]: pd.merge(left, right, on="key")
Out[86]: 
 key  lval  rval
0  foo     1     4
1  bar     2     5 

分组

通过“分组”我们指的是涉及以下一个或多个步骤的过程:

  • 根据某些标准将数据分组
  • 对每个组独立应用函数
  • 将结果组合成数据结构

请参见分组部分。

代码语言:javascript
复制
In [87]: df = pd.DataFrame(
 ....:    {
 ....:        "A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
 ....:        "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
 ....:        "C": np.random.randn(8),
 ....:        "D": np.random.randn(8),
 ....:    }
 ....: )
 ....: 

In [88]: df
Out[88]: 
 A      B         C         D
0  foo    one  1.346061 -1.577585
1  bar    one  1.511763  0.396823
2  foo    two  1.627081 -0.105381
3  bar  three -0.990582 -0.532532
4  foo    two -0.441652  1.453749
5  bar    two  1.211526  1.208843
6  foo    one  0.268520 -0.080952
7  foo  three  0.024580 -0.264610 

按列标签分组,选择列标签,然后对结果组应用DataFrameGroupBy.sum()函数:

代码语言:javascript
复制
In [89]: df.groupby("A")[["C", "D"]].sum()
Out[89]: 
 C         D
A 
bar  1.732707  1.073134
foo  2.824590 -0.574779 

按多列标签分组形成 MultiIndex

代码语言:javascript
复制
In [90]: df.groupby(["A", "B"]).sum()
Out[90]: 
 C         D
A   B 
bar one    1.511763  0.396823
 three -0.990582 -0.532532
 two    1.211526  1.208843
foo one    1.614581 -1.658537
 three  0.024580 -0.264610
 two    1.185429  1.348368 

重塑

参见 层次化索引 和 重塑 部分。

堆叠
代码语言:javascript
复制
In [91]: arrays = [
 ....:   ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
 ....:   ["one", "two", "one", "two", "one", "two", "one", "two"],
 ....: ]
 ....: 

In [92]: index = pd.MultiIndex.from_arrays(arrays, names=["first", "second"])

In [93]: df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=["A", "B"])

In [94]: df2 = df[:4]

In [95]: df2
Out[95]: 
 A         B
first second 
bar   one    -0.727965 -0.589346
 two     0.339969 -0.693205
baz   one    -0.339355  0.593616
 two     0.884345  1.591431 

stack() 方法在 DataFrame 的列中“压缩”一个级别:

代码语言:javascript
复制
In [96]: stacked = df2.stack(future_stack=True)

In [97]: stacked
Out[97]: 
first  second 
bar    one     A   -0.727965
 B   -0.589346
 two     A    0.339969
 B   -0.693205
baz    one     A   -0.339355
 B    0.593616
 two     A    0.884345
 B    1.591431
dtype: float64 

对于“堆叠”的 DataFrame 或 Series(将 MultiIndex 作为 index),stack() 的逆操作是 unstack(),默认情况下会展开最后一个级别

代码语言:javascript
复制
In [98]: stacked.unstack()
Out[98]: 
 A         B
first second 
bar   one    -0.727965 -0.589346
 two     0.339969 -0.693205
baz   one    -0.339355  0.593616
 two     0.884345  1.591431

In [99]: stacked.unstack(1)
Out[99]: 
second        one       two
first 
bar   A -0.727965  0.339969
 B -0.589346 -0.693205
baz   A -0.339355  0.884345
 B  0.593616  1.591431

In [100]: stacked.unstack(0)
Out[100]: 
first          bar       baz
second 
one    A -0.727965 -0.339355
 B -0.589346  0.593616
two    A  0.339969  0.884345
 B -0.693205  1.591431 
透视表

参见 透视表 部分。

代码语言:javascript
复制
In [101]: df = pd.DataFrame(
 .....:    {
 .....:        "A": ["one", "one", "two", "three"] * 3,
 .....:        "B": ["A", "B", "C"] * 4,
 .....:        "C": ["foo", "foo", "foo", "bar", "bar", "bar"] * 2,
 .....:        "D": np.random.randn(12),
 .....:        "E": np.random.randn(12),
 .....:    }
 .....: )
 .....: 

In [102]: df
Out[102]: 
 A  B    C         D         E
0     one  A  foo -1.202872  0.047609
1     one  B  foo -1.814470 -0.136473
2     two  C  foo  1.018601 -0.561757
3   three  A  bar -0.595447 -1.623033
4     one  B  bar  1.395433  0.029399
5     one  C  bar -0.392670 -0.542108
6     two  A  foo  0.007207  0.282696
7   three  B  foo  1.928123 -0.087302
8     one  C  foo -0.055224 -1.575170
9     one  A  bar  2.395985  1.771208
10    two  B  bar  1.552825  0.816482
11  three  C  bar  0.166599  1.100230 

pivot_table() 通过指定 valuesindexcolumns 来对 DataFrame 进行数据透视。

代码语言:javascript
复制
In [103]: pd.pivot_table(df, values="D", index=["A", "B"], columns=["C"])
Out[103]: 
C             bar       foo
A     B 
one   A  2.395985 -1.202872
 B  1.395433 -1.814470
 C -0.392670 -0.055224
three A -0.595447       NaN
 B       NaN  1.928123
 C  0.166599       NaN
two   A       NaN  0.007207
 B  1.552825       NaN
 C       NaN  1.018601 
堆叠
代码语言:javascript
复制
In [91]: arrays = [
 ....:   ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
 ....:   ["one", "two", "one", "two", "one", "two", "one", "two"],
 ....: ]
 ....: 

In [92]: index = pd.MultiIndex.from_arrays(arrays, names=["first", "second"])

In [93]: df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=["A", "B"])

In [94]: df2 = df[:4]

In [95]: df2
Out[95]: 
 A         B
first second 
bar   one    -0.727965 -0.589346
 two     0.339969 -0.693205
baz   one    -0.339355  0.593616
 two     0.884345  1.591431 

stack() 方法在 DataFrame 的列中“压缩”一个级别:

代码语言:javascript
复制
In [96]: stacked = df2.stack(future_stack=True)

In [97]: stacked
Out[97]: 
first  second 
bar    one     A   -0.727965
 B   -0.589346
 two     A    0.339969
 B   -0.693205
baz    one     A   -0.339355
 B    0.593616
 two     A    0.884345
 B    1.591431
dtype: float64 

对于“堆叠”的 DataFrame 或 Series(将 MultiIndex 作为 index),stack() 的逆操作是 unstack(),默认情况下会展开最后一个级别

代码语言:javascript
复制
In [98]: stacked.unstack()
Out[98]: 
 A         B
first second 
bar   one    -0.727965 -0.589346
 two     0.339969 -0.693205
baz   one    -0.339355  0.593616
 two     0.884345  1.591431

In [99]: stacked.unstack(1)
Out[99]: 
second        one       two
first 
bar   A -0.727965  0.339969
 B -0.589346 -0.693205
baz   A -0.339355  0.884345
 B  0.593616  1.591431

In [100]: stacked.unstack(0)
Out[100]: 
first          bar       baz
second 
one    A -0.727965 -0.339355
 B -0.589346  0.593616
two    A  0.339969  0.884345
 B -0.693205  1.591431 
透视表

参见 透视表 部分。

代码语言:javascript
复制
In [101]: df = pd.DataFrame(
 .....:    {
 .....:        "A": ["one", "one", "two", "three"] * 3,
 .....:        "B": ["A", "B", "C"] * 4,
 .....:        "C": ["foo", "foo", "foo", "bar", "bar", "bar"] * 2,
 .....:        "D": np.random.randn(12),
 .....:        "E": np.random.randn(12),
 .....:    }
 .....: )
 .....: 

In [102]: df
Out[102]: 
 A  B    C         D         E
0     one  A  foo -1.202872  0.047609
1     one  B  foo -1.814470 -0.136473
2     two  C  foo  1.018601 -0.561757
3   three  A  bar -0.595447 -1.623033
4     one  B  bar  1.395433  0.029399
5     one  C  bar -0.392670 -0.542108
6     two  A  foo  0.007207  0.282696
7   three  B  foo  1.928123 -0.087302
8     one  C  foo -0.055224 -1.575170
9     one  A  bar  2.395985  1.771208
10    two  B  bar  1.552825  0.816482
11  three  C  bar  0.166599  1.100230 

pivot_table() 通过指定 valuesindexcolumns 来对 DataFrame 进行数据透视。

代码语言:javascript
复制
In [103]: pd.pivot_table(df, values="D", index=["A", "B"], columns=["C"])
Out[103]: 
C             bar       foo
A     B 
one   A  2.395985 -1.202872
 B  1.395433 -1.814470
 C -0.392670 -0.055224
three A -0.595447       NaN
 B       NaN  1.928123
 C  0.166599       NaN
two   A       NaN  0.007207
 B  1.552825       NaN
 C       NaN  1.018601 

时间序列

pandas 在执行频���转换期间执行重新采样操作的功能简单、强大且高效(例如,将秒级数据转换为 5 分钟数据)。这在金融应用中非常常见,但不限于此。请参见 时间序列部分。

代码语言:javascript
复制
In [104]: rng = pd.date_range("1/1/2012", periods=100, freq="s")

In [105]: ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

In [106]: ts.resample("5Min").sum()
Out[106]: 
2012-01-01    24182
Freq: 5min, dtype: int64 

Series.tz_localize() 将时间序列本地化到一个时区:

代码语言:javascript
复制
In [107]: rng = pd.date_range("3/6/2012 00:00", periods=5, freq="D")

In [108]: ts = pd.Series(np.random.randn(len(rng)), rng)

In [109]: ts
Out[109]: 
2012-03-06    1.857704
2012-03-07   -1.193545
2012-03-08    0.677510
2012-03-09   -0.153931
2012-03-10    0.520091
Freq: D, dtype: float64

In [110]: ts_utc = ts.tz_localize("UTC")

In [111]: ts_utc
Out[111]: 
2012-03-06 00:00:00+00:00    1.857704
2012-03-07 00:00:00+00:00   -1.193545
2012-03-08 00:00:00+00:00    0.677510
2012-03-09 00:00:00+00:00   -0.153931
2012-03-10 00:00:00+00:00    0.520091
Freq: D, dtype: float64 

Series.tz_convert() 将一个带有时区信息的时间序列转换到另一个时区:

代码语言:javascript
复制
In [112]: ts_utc.tz_convert("US/Eastern")
Out[112]: 
2012-03-05 19:00:00-05:00    1.857704
2012-03-06 19:00:00-05:00   -1.193545
2012-03-07 19:00:00-05:00    0.677510
2012-03-08 19:00:00-05:00   -0.153931
2012-03-09 19:00:00-05:00    0.520091
Freq: D, dtype: float64 

向时间序列添加非固定持续时间(BusinessDay):

代码语言:javascript
复制
In [113]: rng
Out[113]: 
DatetimeIndex(['2012-03-06', '2012-03-07', '2012-03-08', '2012-03-09',
 '2012-03-10'],
 dtype='datetime64[ns]', freq='D')

In [114]: rng + pd.offsets.BusinessDay(5)
Out[114]: 
DatetimeIndex(['2012-03-13', '2012-03-14', '2012-03-15', '2012-03-16',
 '2012-03-16'],
 dtype='datetime64[ns]', freq=None) 

分类数据

pandas 可以在DataFrame中包含分类数据。有关完整文档,请参阅分类介绍和 API 文档。

代码语言:javascript
复制
In [115]: df = pd.DataFrame(
 .....:    {"id": [1, 2, 3, 4, 5, 6], "raw_grade": ["a", "b", "b", "a", "a", "e"]}
 .....: )
 .....: 

将原始成绩转换为分类数���类型:

代码语言:javascript
复制
In [116]: df["grade"] = df["raw_grade"].astype("category")

In [117]: df["grade"]
Out[117]: 
0    a
1    b
2    b
3    a
4    a
5    e
Name: grade, dtype: category
Categories (3, object): ['a', 'b', 'e'] 

将类别重命名为更有意义的名称:

代码语言:javascript
复制
In [118]: new_categories = ["very good", "good", "very bad"]

In [119]: df["grade"] = df["grade"].cat.rename_categories(new_categories) 

重新排序类别并同时添加缺失的类别(Series.cat()下的方法默认返回一个新的Series):

代码语言:javascript
复制
In [120]: df["grade"] = df["grade"].cat.set_categories(
 .....:    ["very bad", "bad", "medium", "good", "very good"]
 .....: )
 .....: 

In [121]: df["grade"]
Out[121]: 
0    very good
1         good
2         good
3    very good
4    very good
5     very bad
Name: grade, dtype: category
Categories (5, object): ['very bad', 'bad', 'medium', 'good', 'very good'] 

排序是按类别中的顺序,而不是按字典顺序:

代码语言:javascript
复制
In [122]: df.sort_values(by="grade")
Out[122]: 
 id raw_grade      grade
5   6         e   very bad
1   2         b       good
2   3         b       good
0   1         a  very good
3   4         a  very good
4   5         a  very good 

使用observed=False按分类列分组也会显示空类别:

代码语言:javascript
复制
In [123]: df.groupby("grade", observed=False).size()
Out[123]: 
grade
very bad     1
bad          0
medium       0
good         2
very good    3
dtype: int64 

绘图

查看绘图文档。

我们使用标准约定来引用 matplotlib API:

代码语言:javascript
复制
In [124]: import matplotlib.pyplot as plt

In [125]: plt.close("all") 

使用plt.close方法来关闭一个图形窗口:

代码语言:javascript
复制
In [126]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))

In [127]: ts = ts.cumsum()

In [128]: ts.plot(); 
../_images/series_plot_basic.png
../_images/series_plot_basic.png

注意

在使用 Jupyter 时,图形将会使用plot()显示。否则使用matplotlib.pyplot.show来显示,或者使用matplotlib.pyplot.savefig将其写入文件。

plot()绘制所有列:

代码语言:javascript
复制
In [129]: df = pd.DataFrame(
 .....:    np.random.randn(1000, 4), index=ts.index, columns=["A", "B", "C", "D"]
 .....: )
 .....: 

In [130]: df = df.cumsum()

In [131]: plt.figure();

In [132]: df.plot();

In [133]: plt.legend(loc='best'); 
../_images/frame_plot_basic.png
../_images/frame_plot_basic.png

导入和导出数据

查看 IO 工具部分。

CSV

写入到 csv 文件:使用DataFrame.to_csv()

代码语言:javascript
复制
In [134]: df = pd.DataFrame(np.random.randint(0, 5, (10, 5)))

In [135]: df.to_csv("foo.csv") 

从 csv 文件中读取:使用read_csv()

代码语言:javascript
复制
In [136]: pd.read_csv("foo.csv")
Out[136]: 
 Unnamed: 0  0  1  2  3  4
0           0  4  3  1  1  2
1           1  1  0  2  3  2
2           2  1  4  2  1  2
3           3  0  4  0  2  2
4           4  4  2  2  3  4
5           5  4  0  4  3  1
6           6  2  1  2  0  3
7           7  4  0  4  4  4
8           8  4  4  1  0  1
9           9  0  4  3  0  3 
Parquet

写入 Parquet 文件:

代码语言:javascript
复制
In [137]: df.to_parquet("foo.parquet") 

从 Parquet 文件存储中使用read_parquet()读取:

代码语言:javascript
复制
In [138]: pd.read_parquet("foo.parquet")
Out[138]: 
 0  1  2  3  4
0  4  3  1  1  2
1  1  0  2  3  2
2  1  4  2  1  2
3  0  4  0  2  2
4  4  2  2  3  4
5  4  0  4  3  1
6  2  1  2  0  3
7  4  0  4  4  4
8  4  4  1  0  1
9  0  4  3  0  3 
Excel

读取和写入到 Excel。

使用DataFrame.to_excel()写入到 Excel 文件:

代码语言:javascript
复制
In [139]: df.to_excel("foo.xlsx", sheet_name="Sheet1") 

使用read_excel()从 Excel 文件中读取:

代码语言:javascript
复制
In [140]: pd.read_excel("foo.xlsx", "Sheet1", index_col=None, na_values=["NA"])
Out[140]: 
 Unnamed: 0  0  1  2  3  4
0           0  4  3  1  1  2
1           1  1  0  2  3  2
2           2  1  4  2  1  2
3           3  0  4  0  2  2
4           4  4  2  2  3  4
5           5  4  0  4  3  1
6           6  2  1  2  0  3
7           7  4  0  4  4  4
8           8  4  4  1  0  1
9           9  0  4  3  0  3 
CSV

使用DataFrame.to_csv()将数据写入 csv 文件:

代码语言:javascript
复制
In [134]: df = pd.DataFrame(np.random.randint(0, 5, (10, 5)))

In [135]: df.to_csv("foo.csv") 

从 csv 文件中读取数据:使用read_csv()

代码语言:javascript
复制
In [136]: pd.read_csv("foo.csv")
Out[136]: 
 Unnamed: 0  0  1  2  3  4
0           0  4  3  1  1  2
1           1  1  0  2  3  2
2           2  1  4  2  1  2
3           3  0  4  0  2  2
4           4  4  2  2  3  4
5           5  4  0  4  3  1
6           6  2  1  2  0  3
7           7  4  0  4  4  4
8           8  4  4  1  0  1
9           9  0  4  3  0  3 
Parquet

写入 Parquet 文件:

代码语言:javascript
复制
In [137]: df.to_parquet("foo.parquet") 

使用read_parquet()从 Parquet 文件中读取数据:

代码语言:javascript
复制
In [138]: pd.read_parquet("foo.parquet")
Out[138]: 
 0  1  2  3  4
0  4  3  1  1  2
1  1  0  2  3  2
2  1  4  2  1  2
3  0  4  0  2  2
4  4  2  2  3  4
5  4  0  4  3  1
6  2  1  2  0  3
7  4  0  4  4  4
8  4  4  1  0  1
9  0  4  3  0  3 
Excel

读取和写入 Excel 文件。

使用DataFrame.to_excel()将数据写入 Excel 文件:

代码语言:javascript
复制
In [139]: df.to_excel("foo.xlsx", sheet_name="Sheet1") 

使用read_excel()从 Excel 文件中读取数据:

代码语言:javascript
复制
In [140]: pd.read_excel("foo.xlsx", "Sheet1", index_col=None, na_values=["NA"])
Out[140]: 
 Unnamed: 0  0  1  2  3  4
0           0  4  3  1  1  2
1           1  1  0  2  3  2
2           2  1  4  2  1  2
3           3  0  4  0  2  2
4           4  4  2  2  3  4
5           5  4  0  4  3  1
6           6  2  1  2  0  3
7           7  4  0  4  4  4
8           8  4  4  1  0  1
9           9  0  4  3  0  3 

注意事项

如果你尝试在SeriesDataFrame上执行布尔运算,可能会看到异常信息:

代码语言:javascript
复制
In [141]: if pd.Series([False, True, False]):
 .....:     print("I was true")
 .....: 
---------------------------------------------------------------------------
ValueError  Traceback (most recent call last)
<ipython-input-141-b27eb9c1dfc0> in ?()
----> 1 if pd.Series([False, True, False]):
  2      print("I was true")

~/work/pandas/pandas/pandas/core/generic.py in ?(self)
  1575     @final
  1576     def __nonzero__(self) -> NoReturn:
-> 1577         raise ValueError(
  1578             f"The truth value of a {type(self).__name__} is ambiguous. "
  1579             "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
  1580         )

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 

查看比较和注意事项以获取解释和应对方法。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-05-24,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 社区教程
    • 由 Julia Evans 撰写的 pandas cookbook
      • 由 Stefanie Molin 撰写的 pandas 工作坊
        • 由 Hernan Rojas 撰写的学习 pandas
          • 使用 Python 进行实用数据分析
            • 新用户练习
              • 使用 pandas、vincent 和 xlsxwriter 制作 Excel 图表
                • 快乐的 pandas
                  • 视频教程
                    • 各种教程
                      • 由 Julia Evans 制作的 pandas 食谱
                        • Stefanie Molin 主持的熊猫工作坊
                          • 通过 Hernan Rojas 学习熊猫
                            • 用 Python 进行实用数据分析
                              • 新用户练习
                                • 现代熊猫
                                  • 使用熊猫、文森特和 xlsxwriter 制作 Excel 图表
                                    • 快乐的熊猫
                                      • 视频教程
                                        • 各种教程
                                        • 用户指南
                                          • 如何阅读这些指南
                                            • 指南
                                              • 如何阅读这些指南
                                                • 指南
                                                • pandas 十分钟入门
                                                  • pandas 中的基本数据结构
                                                    • 对象创建
                                                      • 查看数据
                                                        • 选择
                                                          • Getitem ([])
                                                          • 按标签选择
                                                          • 按位置选择
                                                          • 布尔索引
                                                          • 设置
                                                        • 缺失数据
                                                          • 操作
                                                            • 统计
                                                            • 用户定义的函数
                                                            • 值计数
                                                            • 字符串方法
                                                          • 合并
                                                            • 连接
                                                            • 连接
                                                          • 分组
                                                            • 重塑
                                                              • 堆叠
                                                              • 透视表
                                                            • 时间序列
                                                              • 分类数据
                                                                • 绘图
                                                                  • 导入和导出数据
                                                                    • CSV
                                                                    • Parquet
                                                                    • Excel
                                                                  • 注意事项
                                                                    • Pandas 中的基本数据结构
                                                                      • 对象创建
                                                                        • 查看数据
                                                                          • 选择
                                                                            • 获取项([])
                                                                            • 按标签选择
                                                                            • 按位置选择
                                                                            • 布尔索引
                                                                            • 设置
                                                                            • 获取项([])
                                                                            • 按标签选择
                                                                            • 按位置选择
                                                                            • 布尔索引
                                                                            • 设置
                                                                          • 缺失数据
                                                                            • 操作
                                                                              • 统计
                                                                              • 用户定义的函数
                                                                              • 值计数
                                                                              • 字符串方法
                                                                              • 统计
                                                                              • 用户定义的函数
                                                                              • 值计数
                                                                              • 字符串方法
                                                                            • 合并
                                                                              • 连接
                                                                              • 合并
                                                                              • 连接
                                                                              • 合并
                                                                            • 分组
                                                                              • 重塑
                                                                                • 堆叠
                                                                                • 透视表
                                                                                • 堆叠
                                                                                • 透视表
                                                                              • 时间序列
                                                                                • 分类数据
                                                                                  • 绘图
                                                                                    • 导入和导出数据
                                                                                      • CSV
                                                                                      • Parquet
                                                                                      • Excel
                                                                                      • CSV
                                                                                      • Parquet
                                                                                      • Excel
                                                                                    • 注意事项
                                                                                    相关产品与服务
                                                                                    文件存储
                                                                                    文件存储(Cloud File Storage,CFS)为您提供安全可靠、可扩展的共享文件存储服务。文件存储可与腾讯云服务器、容器服务、批量计算等服务搭配使用,为多个计算节点提供容量和性能可弹性扩展的高性能共享存储。腾讯云文件存储的管理界面简单、易使用,可实现对现有应用的无缝集成;按实际用量付费,为您节约成本,简化 IT 运维工作。
                                                                                    领券
                                                                                    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档