Python Pandas常用函數方法總結

## 讀寫
pd.Series #定義一維標記陣列
pd.DataFrame #定義資料框
pd.read_csv #讀取逗號分隔符檔案
pd.read_excel #讀取 excel 表格
pd.to_excel #寫入 excel 表格
pd.read_sql #讀取 SQL 資料
pd.read_table #讀取 table
pd.read_json #讀取 json 檔案
pd.read_html #讀取 html
pd.read_clipboard() #從剪下板讀入資料
df.to_csv #寫入 csv 檔案
df.to_excel #寫入 excel 檔案
df.to_sql #寫入 SQL 表
df.to_json #寫入 JSON 檔案
df.to_html #寫入 HTML 表格
df.to_clipboard() #寫入剪下板

## 資料展示和統計
df.info() #統計資料資訊
df.shape() #統計行數和列數
df.index() #顯示索引總數
df.columns() #顯示資料框有哪些列
df.count() #顯示有多少個記錄
df.head(n) #返回前 n 個，預設 5
df.tail(n) #返回後 n 個
df.sample(n) #隨機選取 n 行
df.sample(frac = 0.8) #百分比為 0.8 的選取
df.dtypes #檢視每一列的資料型別
df.sum() #資料框按列求和
df.cumsum() #資料框累計求和
df.min() #給出每列的最小值
df.max() #給出每列的最大值
df['列名'].idxmin() #獲取資料框某一列的最小值
mySeries.idxmin() #獲取 Series 的最小值
df['列名'].idxmax() #獲取資料框某一列的最大值
mySeries.idxmax() #獲取 Series 的最大值
df.describe() #關資料的基本統計資訊描述
df.mean() #給出資料框每一列的均值
df.median() #給出資料框每一列的中位數
df.quantile #給出分位數
df.var() #統計每一列的方差
df.std() #統計每一列的標準差
df.cummax() #尋找累計最大值，即已出現中最大的一個
df.cummin() #累計最小值
df['列名'].cumproad() #計算累積連乘
len(df) #統計資料框長度
df.isnull #返回資料框是否包含 null 值
df.corr() #返回列之間的相關係數，以矩陣形式展示
df['列名'].value_counts() #列去重後給每個值計數

## 資料選擇
mySeries['列名'] #用中括號獲取列
df['列名'] #選取指定列
df.列名 #同上
df[n0:n1] #返回 n0 到 n1 行之間的資料框
df.iloc[[m],[n]] #iloc按行號來索引，兩層中括號，取第 m 行第 n 列
df.loc[m:n] #loc 按標籤來索引，返回索引 m 到 n 的資料框，loc、iloc 主要針對行來說的
df.loc[:,"列1":"列2"] #返回連續列的所有行
df.loc[m:n,"列1":"列2"] #返回連續列的固定行
df['列名'][n] #選取指定列的第 n 行
df[['列1','列2']] #返回多個指定的列

## 資料篩選和排序
df[df.列名 < n] #篩選，單中括號用於 bool 值篩選
df.filter(regex = 'code') #過濾器，按正規表示式篩選
df.sort_values #按某一列進行排序
df.sort_index() #按照索引升序排列
df['列名'].unique() #列去重
df['列名'].nunique() #列去重後的計數
df.nlargest(n,'列名') #返回 n 個最大值構成的資料框
df.nsmallest(n,'列名') #返回 n 個最小的資料框
df.rank #給出排名，即為第幾名

## 資料增加刪除修改
df["新列"] = xxx #定義新列
df.rename #給列重新命名
df.index.name = "index_name" #設定或者修改索引名稱
df.drop #刪除行或者列
df.列名 = df.列名.astype('category') #列型別強制轉化
df.append #在末尾追加一行
del df['刪除的列'] #直接刪除一列

## 特別的
df.列名.apply #按列的函數操作
pd.melt #將寬資料轉化為長資料（拆分拉長），run 一下下面例子就知道什麼意思了
pd.merge #兩個資料表間的橫向連線（內連線，外連線等）
pd.concat #橫向或者縱向拼接

mySeries = pd.Series([1,2,3,4], index=['a','b','c','d'])

data = {'Country' : ['Belgium', 'India', 'Brazil' ],
        'Capital': ['Brussels', 'New Delhi', 'Brassilia'],
        'Population': [1234,1234,1234]}
df = pd.DataFrame(data, columns=['Country','Capital','Population'])

pd.DataFrame(np.random.rand(20,5))

df = pd.read_csv('data.csv')

pd.read_excel('filename')
pd.to_excel('filename.xlsx', sheet_name='Sheet1')

df.quantile([0.25, 0.75]) # 給出每一列中的25%和75%的分位數

filters = df.Date > '2021-06-1'
df[filters] #選出日期在某個日期之後的所有行

df.filter(regex='^L') #選出 L 開頭的列

df.sort_values('列名', ascending= False) #按指定列的值大小升序排列

df.rename(columns= {'老列名' : '新列名'}) #修改某個列名

df["新列"] = df.a- df.b #定義一個新的列表示為兩個的差

df.columns = map(str.lower(), df.columns) #所有列名變為小寫字母

df.columns = map(str.upper(), df.columns) #所有列名變為大寫字母

df.drop(columns=['列名']) #刪除某一列
df.drop(['列1', '列2'], axis=1) #含義同上，刪除兩列
mySeries.drop(['a']) #刪除 Series 指定值
df.drop([0, 1]) #根據索引刪除，雙閉區間

def fun(x):
    return x*3
df.列名.apply(fun)  #把某一列乘 3 倍

df.列名.apply(lambda x: x*3) #匿名錶示式的寫法

df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},'B': {0: 1, 1: 3, 2: 5}, 'C': {0: 2, 1: 4, 2: 6}})
pd.melt(df, id_vars=['A'], value_vars=['B','C']) #melt的使用

new=pd.DataFrame({'name':'lisa', 'gender':'F', 'city':'北京'},index=[1])
df = new
df=df.append(new) #增加一行資料

frame = pd.DataFrame({'a':[2.3,-1.7,5,3],'b':[6,2.9,-3.1,8]},index=['one','two','three','four'])
frame.rank(method="min",ascending=False)#對每一列的資料，根據大小給個排名


#merge 表示橫向連線
df3 = pd.merge(df1,df2,how='inner',on='股票簡稱') #on表示連線列，how選擇連線方式
pd.merge(df1,df2,left_on='lkey',right_on='rkey',how='left') #當連線列名不同分別指定
#concat 拼接
pd.concat([df1,df1])  #縱向連線，當s1和s2索引不重疊時，可以直接拼接
pd.concat([df1,df1],axis = 1)  #橫向連線，預設外連線，以行索引為連線欄位