Pandas 常用函数

liuian 2025-03-11 18:02 26 浏览

Pandas 提供了大量用于数据处理和分析的函数，以下是一些常用的函数：

通用函数

函数	描述
pd.isna(obj)	检查对象是否为缺失值（NaN 或 None）。
pd.notna(obj)	检查对象是否不为缺失值。
pd.isnull(obj)	同 pd.isna()，检查对象是否为缺失值。
pd.notnull(obj)	同 pd.notna()，检查对象是否不为缺失值。
pd.concat(objs, axis)	沿指定轴连接多个对象（如 Series 或 DataFrame）。
pd.merge(left, right, on)	根据指定列合并两个 DataFrame。
pd.get_dummies(data)	将分类变量转换为哑变量（One-Hot 编码）。
pd.cut(x, bins)	将连续数据分箱为离散区间。
pd.qcut(x, q)	将数据按分位数分箱。
pd.to_numeric(arg)	将参数转换为数值类型。
pd.to_datetime(arg)	将参数转换为日期时间类型。
pd.to_timedelta(arg)	将参数转换为时间差类型。
pd.date_range(start, end)	生成日期范围。
pd.period_range(start, end)	生成周期范围。
pd.timedelta_range(start, end)	生成时间差范围。
pd.unique(values)	返回数组中的唯一值。
pd.value_counts(values)	返回数组中每个值的频率。
pd.factorize(values)	将数组编码为枚举类型。
pd.crosstab(index, columns)	计算交叉表。
pd.pivot_table(data, values, index, columns)	创建透视表。
pd.melt(frame)	将宽格式数据转换为长格式数据。
pd.cut(x, bins)	将连续数据分箱为离散区间。
pd.qcut(x, q)	将数据按分位数分箱。

数学和统计函数

函数	描述
pd.Series.sum()	返回 Series 的和。
pd.Series.mean()	返回 Series 的平均值。
pd.Series.median()	返回 Series 的中位数。
pd.Series.min()	返回 Series 的最小值。
pd.Series.max()	返回 Series 的最大值。
pd.Series.std()	返回 Series 的标准差。
pd.Series.var()	返回 Series 的方差。
pd.Series.corr(other)	返回两个 Series 的相关系数。
pd.Series.cov(other)	返回两个 Series 的协方差。
pd.Series.quantile(q)	返回 Series 的分位数。
pd.Series.mode()	返回 Series 的众数。
pd.Series.skew()	返回 Series 的偏度。
pd.Series.kurt()	返回 Series 的峰度。
pd.Series.cumsum()	返回 Series 的累计和。
pd.Series.cumprod()	返回 Series 的累计积。
pd.Series.cummax()	返回 Series 的累计最大值。
pd.Series.cummin()	返回 Series 的累计最小值。

字符串处理函数

函数	描述
pd.Series.str.lower()	将字符串转换为小写。
pd.Series.str.upper()	将字符串转换为大写。
pd.Series.str.strip()	去除字符串两端的空白字符。
pd.Series.str.replace(old, new)	替换字符串中的子串。
pd.Series.str.contains(pattern)	检查字符串是否包含指定模式。
pd.Series.str.split(sep)	按分隔符拆分字符串。
pd.Series.str.cat(others)	连接字符串。
pd.Series.str.extract(regex)	使用正则表达式提取子串。
pd.Series.str.find(sub)	返回子串的起始位置。
pd.Series.str.len()	返回字符串的长度。

时间序列函数

函数	描述
pd.to_datetime(arg)	将参数转换为日期时间类型。
pd.date_range(start, end)	生成日期范围。
pd.Timestamp()	创建一个时间戳对象。
pd.Timedelta()	创建一个时间差对象。
pd.Period()	创建一个周期对象。
pd.Series.dt.year	返回日期时间的年份。
pd.Series.dt.month	返回日期时间的月份。
pd.Series.dt.day	返回日期时间的天数。
pd.Series.dt.hour	返回日期时间的小时数。
pd.Series.dt.minute	返回日期时间的分钟数。
pd.Series.dt.second	返回日期时间的秒数。
pd.Series.dt.weekday	返回日期时间的星期几（0-6）。

实例

import pandas as pd

# 通用函数
s = pd.Series([1, 2, 3, None])
print(pd.isna(s)) # 检查缺失值

# 数学和统计函数
print(s.sum()) # 计算和

# 字符串处理函数
s_str = pd.Series(['a', 'b', 'c'])
print(s_str.str.upper()) # 转换为大写

# 时间序列函数
dates = pd.to_datetime(['2023-01-01', '2023-02-01'])
print(dates.dt.month) # 提取月份