登录
当前位置： 首页 > 工具软件 > google-api-translate-python > 使用案例 >

python - pandas 之 references - api references 官方文档

宦兴朝
2023-12-01

目录

1.官方文档 及 基础教程

2.Pandas API Reference 官方文档目录

3.Pandas Input/Output API目录

4.Dataframe API Catalog

5.Series API Catalog

 

1.官方文档 及 基础教程

1.pandas官方文档

  • http://pandas.pydata.org/pandas-docs/stable/index.html

2.十分搞定pandas

  • http://www.cnblogs.com/chaosimple/p/4153083.html
  • 简单介绍dataframe的创建，增删改查，数据清洗，简单统计的内容，画图等，内容较全，宜于入门学习

3.pandas :让你像写SQL一样做数据分析

  • http://www.cnblogs.com/en-heng/p/5630849.html
  • 介绍pandas如何实现SQL基础操作方法

4.Pandas 数据框增、删、改、查、去重、抽样基本操作

  • http://blog.csdn.net/claroja/article/details/65661826

 

2.Pandas API Reference 官方文档目录

 

3.Pandas Input/Output API目录

 

4.Dataframe API Catalog

官方参考URL:  https://pandas.pydata.org/pandas-docs/stable/reference/frame.html

1.构造函数

  • DataFrame([data，index，columns，dtype，copy]) 具有标记轴(行和列)的二维大小可变，可能异构的表格数据结构。

 

2.属性和基础数据

  • DataFrame.index DataFrame的索引(行标签)。
  • DataFrame.columns DataFrame的列标签。
  • DataFrame.dtypes 返回DataFrame中各列的dtypes。
  • DataFrame.ftypes 返回DataFrame中的ftypes(稀疏/密集和dtype的指示)。
  • DataFrame.get_dtype_counts() 统计各dtypes的数量。
  • DataFrame.get_ftype_counts() 统计各ftypes的数量。
  • DataFrame.select_dtypes() 选择dataFrame中指定dtypes的列。
  • DataFrame.values 返回DataFrame的Numpy表示。
  • DataFrame.get_values() 将稀疏值转换为密集后返回一个ndarray。
  • DataFrame.axes 返回表示DataFrame轴的列表。
  • DataFrame.ndim 返回表示dataframe维数,2维居多.
  • DataFrame.size 返回dataframe对象中的元素数。
  • DataFrame.shape 返回表示DataFrame维度的元组。
  • DataFrame.memory_usage() 以字节为单位返回每列的内存使用情况。
  • DataFrame.empty 判断DataFrame对象是否为空。
  • DataFrame.is_copy 返回副本。
  • DataFrame.T 转置

 

3.转换

  • DataFrame.astype(dtype) 将pandas对象转换为指定的dtype dtype。
  • DataFrame.convert_objects() (DEPRECATED)尝试推断对象列的更好dtype。
  • DataFrame.infer_objects() 尝试推断对象列的更好的dtypes。
  • DataFrame.copy() 深拷贝此对象的索引和数据。
  • DataFrame.isna() 检测缺失值。
  • DataFrame.notna() 检测现有(非缺失)值。
  • DataFrame.bool() 返回单个元素PandasObject的bool。

 

4.索引，迭代

  • DataFrame.head([N]) 返回前n行。
  • DataFrame.at 访问行/列标签对的单个值。
  • DataFrame.iat 按整数位置访问行/列对的单个值。
  • DataFrame.loc 按标签或布尔数组访问一组行和列。
  • DataFrame.iloc 纯粹基于整数位置的索引，用于按位置选择。
  • DataFrame.insert(loc，column，value) 将列插入指定位置的DataFrame。
  • DataFrame.__iter__() 迭代infor轴
  • DataFrame.items() 迭代器(列名，系列)对。
  • DataFrame.keys() 获取“信息轴”(请参阅​​索引以获取更多信息)
  • DataFrame.iteritems() 迭代器(列名，系列)对。
  • DataFrame.iterrows() 迭代DataFrame行作为(索引，系列)对。
  • DataFrame.itertuples([index，name]) 将DataFrame行作为namedtuples迭代[遍历各行]。
  • DataFrame.lookup(row_labels，col_labels) DataFrame的基于标签的“花式索引”功能。
  • DataFrame.pop() 返回项目并从框架中删除。
  • DataFrame.tail([N]) 返回最后n行。
  • DataFrame.xs() 返回Series / DataFrame的横截面。
  • DataFrame.get() 从给定键的对象获取项目(DataFrame列，Panel切片等)。
  • DataFrame.isin() DataFrame中的每个元素是否都包含在值中。
  • DataFrame.where() 替换条件为False的值。
  • DataFrame.mask() 替换条件为True的值。
  • DataFrame.query() 使用布尔表达式查询DataFrame的列。

 

5.二元运算符函数

  • DataFrame.add() 添加数据帧和其他元素(二元运算符添加)。
  • DataFrame.sub() 减去数据帧和其他元素(二元运算符子)。
  • DataFrame.mul() 数据帧和其他元素的乘法(二元运算符mul)。
  • DataFrame.div() 浮动划分数据帧和元素方式(二元运算符truediv)。
  • DataFrame.truediv() 浮动划分数据帧和元素方式(二元运算符truediv)。
  • DataFrame.floordiv() 数据帧和其他元素的整数划分(二元运算符floordiv)。
  • DataFrame.mod() 数据帧的模数和其他元素(二元运算符mod)。
  • DataFrame.pow() 数据帧和其他元素的指数幂(二元运算符pow)。
  • DataFrame.dot() 计算DataFrame和其他之间的矩阵多重。
  • DataFrame.radd() 添加数据帧和其他元素(二元运算符radd)。
  • DataFrame.rsub() 减去数据帧和其他元素(二元运算符rsub)。
  • DataFrame.rmul() 数据帧和其他元素的乘法(二元运算符rmul)。
  • DataFrame.rdiv() 浮动划分数据帧和其他元素(二元运算符rtruediv)。
  • DataFrame.rtruediv() 浮动划分数据帧和其他元素(二元运算符rtruediv)。
  • DataFrame.rfloordiv() 数据帧和其他元素的整数划分(二元运算符rfloordiv)。
  • DataFrame.rmod() 数据帧的模数和其他元素(二元运算符rmod)。
  • DataFrame.rpow() 数据帧和其他元素的指数幂(二元运算符rpow)。
  • DataFrame.lt() 少于数据帧和其他元素(二元运算符lt)。
  • DataFrame.gt() 大于数据帧和其他元素(二元运算符gt)。
  • DataFrame.le() 小于或等于数据帧等，逐元素(二元运算乐)。
  • DataFrame.ge() 大于或等于数据帧和其他元素(二元运算符ge)。
  • DataFrame.ne() 不等于数据帧和其他元素(二元运算符ne)。
  • DataFrame.eq() 等于数据帧和其他元素(二元运算符eq)。
  • DataFrame.combine() 基于传递的函数执行与另一个DataFrame的逐列组合。
  • DataFrame.combine_first() 更新与null值的元素在同一地点等。

 

6.功能应用程序，GroupBy

  • DataFrame.apply() 沿DataFrame的轴应用函数。
  • DataFrame.applymap() 将函数元素应用于Dataframe。
  • DataFrame.pipe() 应用func(self，* args，** kwargs)。
  • DataFrame.agg() 使用指定轴上的一个或多个操作进行聚合。
  • DataFrame.aggregate() 使用指定轴上的一个或多个操作进行聚合。
  • DataFrame.transform() 调用func自生成具有变换值的DataFrame并且具有与self相同的轴长度。
  • DataFrame.groupby() 使用映射器或一系列列对DataFrame或Series进行分组。
  • DataFrame.rolling() 提供滚动窗口计算。
  • DataFrame.expanding() 提供扩展转换。
  • DataFrame.ewm() 提供指数加权函数。

 

7.计算/描述性统计

  • DataFrame.abs() 返回具有每个元素的绝对数值的Series / DataFrame。
  • DataFrame.all() 返回是否所有元素都是True，可能是在轴上。
  • DataFrame.any() 返回任何元素是否为True，可能是在轴上。
  • DataFrame.clip() 在输入阈值处修剪值。
  • DataFrame.compound() 返回请求轴的值的复合百分比。
  • DataFrame.corr() 计算列的成对相关性，不包括NA / null值。
  • DataFrame.corrwith() 使用Series或DataFrame的行或列计算DataFrame的行或列之间的成对关联。
  • DataFrame.count() 计算每列或每行的非NA单元格。
  • DataFrame.cov() 计算列的成对协方差，不包括NA / null值。
  • DataFrame.cummax() 返回DataFrame或Series轴上的累积最大值。
  • DataFrame.cummin() 返回DataFrame或Series轴上的累积最小值。
  • DataFrame.cumprod() 通过DataFrame或Series轴返回累积产品。
  • DataFrame.cumsum() 返回DataFrame或Series轴上的累积和。
  • DataFrame.describe() 生成描述性统计数据，总结数据集分布的集中趋势，分散和形状，不包括NaN值。
  • DataFrame.diff() 第一个离散的元素差异。
  • DataFrame.eval() 评估描述DataFrame列上的操作的字符串。
  • DataFrame.kurt() 使用Fisher对峰度的定义(正常峰度== 0.0)，在请求的轴上返回无偏峰度。
  • DataFrame.kurtosis() 使用Fisher对峰度的定义(正常峰度== 0.0)，在请求的轴上返回无偏峰度。
  • DataFrame.mad() 返回请求轴的值的平均绝对偏差。
  • DataFrame.max() 返回请求轴的最大值。
  • DataFrame.mean() 返回请求轴的值的平均值。
  • DataFrame.median() 返回请求轴的值的中值。
  • DataFrame.min() 返回请求轴的最小值。
  • DataFrame.mode() 获取沿所选轴的每个元素的模式。
  • DataFrame.pct_change() 当前元素和先前元素之间的百分比变化。
  • DataFrame.prod() 返回请求轴的值的乘积。
  • DataFrame.product() 返回请求轴的值的乘积。
  • DataFrame.quantile() 在请求的轴上返回给定分位数的值。
  • DataFrame.rank() 沿轴计算数值数据等级(1到n)。
  • DataFrame.round() 将DataFrame舍入到可变数量的小数位。
  • DataFrame.sem() 在请求的轴上返回均值的无偏标准误差。
  • DataFrame.skew() 返回请求轴的无偏偏差，由N-1归一化。
  • DataFrame.sum() 返回请求轴的值的总和。
  • DataFrame.std() 返回请求轴上的样本标准偏差。
  • DataFrame.var() 在请求的轴上返回无偏差异。
  • DataFrame.nunique() 计算对请求轴的不同观察结果。

 

8.重新索引/选择/标签操作

  • DataFrame.add_prefix() 带有字符串前缀的前缀标签。
  • DataFrame.add_suffix() 带有字符串后缀的后缀标签。
  • DataFrame.align() 使用指定的每个轴索引的连接方法将轴上的两个对象对齐。
  • DataFrame.at_time() 在特定时间选择值（例如，
  • DataFrame.between_time() 选择一天中特定时间之间的值（例如，上午9：00-9：30）。
  • DataFrame.drop() 从行或列中删除指定的标签。
  • DataFrame.drop_duplicates() 返回删除了重复行的DataFrame，可选择仅考虑某些列。
  • DataFrame.duplicated() 返回boolean Series表示重复行，可选择仅考虑某些列。
  • DataFrame.equals() 测试两个对象是否包含相同的元素。
  • DataFrame.filter() 根据指定索引中的标签设置数据框的行或列。
  • DataFrame.first() 基于日期偏移量对初始时间序列数据的子集进行子集化的便捷方法。
  • DataFrame.head() 返回前n行。
  • DataFrame.idxmax() 返回请求轴上第一次出现最大值的索引。
  • DataFrame.idxmin() 返回首次出现最小请求轴的索引。
  • DataFrame.last() 基于日期偏移量化时间序列数据的最终时段的便捷方法。
  • DataFrame.reindex() 使用可选填充逻辑将DataFrame符合到新索引，将NA / NaN放置在先前索引中没有值的位置。
  • DataFrame.reindex_axis() (DEPRECATED)将输入对象符合新索引。
  • DataFrame.reindex_like() 返回具有匹配索引的对象作为其他对象。
  • DataFrame.rename() 更改轴标签。
  • DataFrame.rename_axis() 设置索引或列的轴名称。
  • DataFrame.reset_index() 重置索引或其级别。
  • DataFrame.sample() 从对象轴返回随机的项目样本。
  • DataFrame.select() (DEPRECATED)返回与轴标签匹配条件对应的数据。
  • DataFrame.set_axis() 将所需索引分配给给定轴。
  • DataFrame.set_index() 使用现有列设置DataFrame索引。
  • DataFrame.tail() 返回最后n行。
  • DataFrame.take() 沿轴返回给定位置索引中的元素。
  • DataFrame.truncate() 在某个索引值之前和之后截断一个Series或DataFrame。

 

9.缺少数据处理

  • # DataFrame.dropna() 删除缺失值。
  • # DataFrame.fillna() 使用指定的方法填充NA / NaN值。
  • # DataFrame.replace() 替换给定的值to_replace与价值。
  • # DataFrame.interpolate() 根据不同的方法插值。

 

10.重塑，排序，转置

  • DataFrame.droplevel() 返回DataFrame，删除请求的索引/列级别。
  • DataFrame.pivot() 返回由给定索引/列值组织的重新整形的DataFrame。
  • DataFrame.pivot_table() 创建一个电子表格样式的数据透视表作为DataFrame。
  • DataFrame.reorder_levels() 使用输入顺序重新排列索引级别。
  • # DataFrame.sort_values() 按任一轴的值排序。
  • DataFrame.sort_index() 按标签排序对象（沿轴）。
  • DataFrame.nlargest() 返回第一个ñ通过有序的行列按降序排列。
  • DataFrame.nsmallest() 返回第一个ñ通过有序的行列按升序排列。
  • DataFrame.swaplevel() 在特定轴上的MultiIndex中交换i和j级别。
  • DataFrame.stack() 将指定级别从列堆叠到索引。
  • DataFrame.unstack() 透视索引标签的级别，返回具有新级别列标签的DataFrame，其最内层级别由透视索引标签组成。
  • DataFrame.swapaxes() 交换轴和交换值轴适当。
  • DataFrame.melt() 将DataFrame从宽格式展开为长格式，可选择保留标识符变量集。
  • DataFrame.squeeze() 将1维轴对象压缩为标量。
  • DataFrame.to_panel() (DEPRECATED)将长（堆叠）格式（DataFrame）转换为宽（3D，Panel）格式。
  • DataFrame.to_xarray() 从pandas对象返回一个xarray对象。
  • DataFrame.T 转置索引和列。
  • DataFrame.transpose() 转置索引和列。

 

11.合并/加入/合并

  • # DataFrame.append() 将其他行附加到调用者的末尾，返回一个新对象。
  • # DataFrame.assign() 将新列分配给DataFrame。
  • # DataFrame.join() 加入另一个DataFrame的列。
  • # DataFrame.merge() 使用数据库样式连接合并DataFrame或命名的Series对象。
  • # DataFrame.update() 使用另一个DataFrame中的非NA值进行就地修改。

 

12.时间序列相关

  • DataFrame.asfreq() 将TimeSeries转换为指定的频率。
  • DataFrame.asof() 返回前最后一行（S）没有任何NaN的地方。
  • DataFrame.shift() 使用可选的时间频率按期望的周期数移动索引。
  • DataFrame.slice_shift() 相当于移位而不复制数据。
  • DataFrame.tshift() 使用索引的频率（如果可用）移动时间索引。
  • DataFrame.first_valid_index() 返回第一个非NA / null值的索引。
  • DataFrame.last_valid_index() 返回最后一个非NA / null值的索引。
  • DataFrame.resample() 重新采样时间序列数据。
  • DataFrame.to_period() 将DataFrame从DatetimeIndex转换为具有所需频率的PeriodIndex（如果未传递，则从索引推断）。
  • DataFrame.to_timestamp() 在句点开头转换为时间戳的DatetimeIndex 。
  • DataFrame.tz_convert() 将tz感知轴转换为目标时区。
  • DataFrame.tz_localize() 将Series或DataFrame的tz-naive索引本地化为目标时区。

 

13.绘图

  • DataFrame.plot() DataFrame绘制访问器和方法
  • DataFrame.plot.area() 绘制堆积区域图。
  • DataFrame.plot.bar() 垂直条形图。
  • DataFrame.plot.barh() 制作水平条形图。
  • DataFrame.plot.box() 制作DataFrame列的方框图。
  • DataFrame.plot.density() 使用高斯核生成核密度估计图。
  • DataFrame.plot.hexbin() 生成六边形分箱图。
  • DataFrame.plot.hist() 绘制DataFrame列的一个直方图。
  • DataFrame.plot.kde() 使用高斯核生成核密度估计图。
  • DataFrame.plot.line() 将DataFrame列绘制为线条。
  • DataFrame.plot.pie() 生成饼图。
  • DataFrame.plot.scatter() 创建具有不同标记点大小和颜色的散点图。
  • DataFrame.boxplot() 从DataFrame列创建一个箱形图。
  • DataFrame.hist() 制作DataFrame的直方图。

 

14.序列化/ IO /转换

  • DataFrame.from_dict() 从类似数组或dicts的dict构造DataFrame。
  • DataFrame.from_items() (DEPRECATED)从元组列表构造DataFrame。
  • DataFrame.from_records() 将结构化或记录ndarray转换为DataFrame。
  • DataFrame.info() 打印DataFrame的简明摘要。
  • DataFrame.to_parquet() 将DataFrame写入二进制镶木地板格式。
  • DataFrame.to_pickle() Pickle（序列化）对象到文件。
  • DataFrame.to_csv() 将对象写入逗号分隔值（csv）文件。
  • DataFrame.to_hdf() 使用HDFStore将包含的数据写入HDF5文件。
  • DataFrame.to_sql() 将存储在DataFrame中的记录写入SQL数据库。
  • DataFrame.to_dict() 将DataFrame转换为字典。
  • DataFrame.to_excel() 将对象写入Excel工作表。
  • DataFrame.to_json() 将对象转换为JSON字符串。
  • DataFrame.to_html() 将DataFrame呈现为HTML表格。
  • DataFrame.to_feather() 写出DataFrames的二进制羽毛格式。
  • DataFrame.to_latex() 将对象渲染到LaTeX表格环境表。
  • DataFrame.to_stata() 将DataFrame对象导出为Stata dta格式。
  • DataFrame.to_msgpack() 使用msgpack格式将对象序列化为输入文件路径。
  • DataFrame.to_gbq() 将DataFrame写入Google BigQuery表。
  • DataFrame.to_records() 将DataFrame转换为NumPy记录数组。
  • DataFrame.to_sparse() 转换为SparseDataFrame。
  • DataFrame.to_dense() 返回NDFrame的密集表示（与稀疏相反）。
  • DataFrame.to_string() 将DataFrame渲染为控制台友好的表格输出。
  • DataFrame.to_clipboard() 将对象复制到系统剪贴板。
  • DataFrame.style 返回Styler对象的属性，该对象包含用于为DataFrame构建样式化HTML表示的方法

15.稀疏

  • SparseDataFrame.to_coo() 将帧的内容作为稀疏的SciPy COO矩阵返回。

 

5.Series API Catalog

官方参考URL: https://pandas.pydata.org/pandas-docs/stable/reference/series.html

1.构造函数

  • Series([data,index,dtype,name,copy,...]) 带轴标签的一维ndarray(包括时间序列)

 

2.属性

  • Series.index 系列的索引(轴标签)。
  • Series.array 支持此系列或索引的数据的ExtensionArray。
  • Series.values 返回系列为ndarray或ndarray-like取决于dtype。
  • Series.dtype 返回基础数据的dtype对象。
  • Series.ftype 如果数据稀疏则返回。
  • Series.shape 返回基础数据形状的元组。
  • Series.nbytes 返回基础数据中的字节数。
  • Series.ndim 根据定义1,基础数据的维数。
  • Series.size 返回基础数据中的元素数。
  • Series.strides 返回基础数据的步幅。
  • Series.itemsize 返回基础数据项的dtype大小。
  • Series.base 如果共享基础数据的内存,则返回基础对象。
  • Series.T 返回转置,根据定义自我。
  • Series.memory_usage([index,deep]) 返回系列的内存使用情况。
  • Series.hasnans 如果我有任何nans,我会回来; 实现各种性能加速。
  • Series.flags
  • Series.empty
  • Series.dtypes 返回基础数据的dtype对象。
  • Series.ftypes 如果数据稀疏则返回。
  • Series.data 返回基础数据的数据指针。
  • Series.is_copy 退回副本。
  • Series.name 返回系列的名称。
  • Series.put(* args,** kwargs) 将put方法应用于其values属性(如果有)。

 

3.转换

  • Series.astype(dtype [,copy,errors]) 将pandas对象转换为指定的dtype dtype。
  • Series.infer_objects() 尝试推断对象列的更好的dtypes。
  • Series.convert_objects([convert_dates,...]) (DEPRECATED)尝试推断对象列的更好dtype。
  • Series.copy([deep]) 复制此对象的索引和数据。
  • Series.bool() 返回单个元素PandasObject的bool。
  • Series.to_numpy([dtype,copy]) NumPy ndarray表示此系列或索引中的值。
  • Series.to_period([freq,copy]) 将Series从DatetimeIndex转换为具有所需频率的PeriodIndex(如果未传递则从索引推断)。
  • Series.to_timestamp([freq,how,copy]) 在期间开始时转换为时间戳的datetimedex 。
  • Series.to_list() 返回值列表。
  • Series.get_values() 与values相同(但处理稀疏转换); 是一种观点。
  • Series.__array__([dtype]) 将值作为NumPy数组返回。

 

4.索引,迭代

  • Series.get() 从给定键的对象获取项目(DataFrame列,Panel切片等)。
  • Series.at 访问行/列标签对的单个值。
  • Series.iat 按整数位置访问行/列对的单个值。
  • Series.loc 按标签或布尔数组访问一组行和列。
  • Series.iloc 纯粹基于整数位置的索引,用于按位置选择。
  • Series.__iter__() 返回值的迭代器。
  • Series.iteritems() 懒惰地迭代(索引,值)元组。
  • Series.items() 懒惰地迭代(索引,值)元组。
  • Series.keys() 索引的别名。
  • Series.pop(item) 返回项目并从框架中删除。
  • Series.item() 将基础数据的第一个元素作为python标量返回。
  • Series.xs(key[,axis,level,drop_level]) 返回Series/DataFrame的横截面。

 

5.二元运算符函数

  • Series.add(other[,level,fill_value,axis]) 添加series和other元素(二元运算符添加)。
  • Series.sub(other[,level,fill_value,axis]) 减去序列和other元素(二元运算符子)。
  • Series.mul(other[,level,fill_value,axis]) series和other的乘法,元素(二元运算符mul)。
  • Series.div(other[,level,fill_value,axis]) 浮动分裂series和other,元素方式(二元运算符truediv)。
  • Series.truediv(other[,level,fill_value,axis]) 浮动分裂series和other,元素方式(二元运算符truediv)。
  • Series.floordiv(other[,level,fill_value,axis]) series和other的整数除法,元素方式(二元运算符floordiv)。
  • Series.mod(other[,level,fill_value,axis]) series和other的模数,元素方式(二元运算符mod)。
  • Series.pow(other[,level,fill_value,axis]) series和other元素的指数幂(二元运算符pow)。
  • Series.radd(other[,level,fill_value,axis]) 添加series和other元素(二元运算符radd)。
  • Series.rsub(other[,level,fill_value,axis]) series和other元素的减法(二元运算符rsub)。
  • Series.rmul(other[,level,fill_value,axis]) series和other的乘法,元素(二元运算符rmul)。
  • Series.rdiv(other[,level,fill_value,axis]) series和other的浮动划分,元素方式(二元算子rtruediv)。
  • Series.rtruediv(other[,level,fill_value,axis]) series和other的浮动划分,元素方式(二元算子rtruediv)。
  • Series.rfloordiv(other[,level,fill_value,...]) series和other的整数除法,元素方式(二元算子rfloordiv)。
  • Series.rmod(other[,level,fill_value,axis]) series和other的模数,元素方式(二元运算符rmod)。
  • Series.rpow(other[,level,fill_value,axis]) series和other元素的指数幂(二元运算符rpow)。
  • Series.combine(other,func [,fill_value]) 根据功能将series与series或标量组合。
  • Series.combine_first(other) 组合series值,首先选择调用series的值。
  • Series.round([decimals]) 将series中的每个值舍入到给定的小数位数。
  • Series.lt(other[,level,fill_value,axis]) 少于series和other元素(二元运算符lt)。
  • Series.gt(other[,level,fill_value,axis]) 大于series和other元素(二元运算符gt)。
  • Series.le(other[,level,fill_value,axis]) 小于或等于series和other元素(二元运算符le)。
  • Series.ge(other[,level,fill_value,axis]) 大于或等于series和other元素(二元运算符ge)。
  • Series.ne(other[,level,fill_value,axis]) 不等于series和other元素(二元运算符ne)。
  • Series.eq(other[,level,fill_value,axis]) 等于series和other元素(二元运算符eq)。
  • Series.product([axis,skipna,level,...]) 返回请求轴的值的乘积。
  • Series.dot(other) 计算series和other列之间的点积

 

6.功能应用程序,GroupBy＆windows

  • Series.apply(func [,convert_dtype,args]) 调用Series的值的函数。
  • Series.agg(func [,axis]) 使用指定轴上的一个或多个操作进行聚合。
  • Series.aggregate(func [,axis]) 使用指定轴上的一个或多个操作进行聚合。
  • Series.transform(func [,axis]) 调用func自生成具有变换值的系列并且具有与self相同的轴长度。
  • Series.map(arg [,na_action]) 根据输入的对应关系映射系列的值。
  • Series.groupby([by,axis,level,as_index,...]) 使用映射器或一系列列对DataFrame或Series进行分组。
  • Series.rolling(window [,min_periods,...]) 提供滚动窗口计算。
  • Series.expanding([min_periods,center,axis]) 提供扩展转换。
  • Series.ewm([com,span,halflife,alpha,...]) 提供指数加权函数。
  • Series.pipe(func,*args,**kwargs) 应用func(self,* args,** kwargs)。

 

7.计算/描述性统计

  • Series.abs() 返回具有每个元素的绝对数值的Series/DataFrame。
  • Series.all([axis,bool_only,skipna,level]) 返回是否所有元素都是True,可能是在axis上。
  • Series.any([axis,bool_only,skipna,level]) 返回任何元素是否为True,可能是在axis上。
  • Series.autocorr([lag]) 计算lag-N自相关。
  • Series.between(left,right[,inclusive]) 返回布尔值系列等效于左<=系列<=右。
  • Series.clip([lower,upper,axis,inplace]) 在输入threshold处修剪值。
  • Series.clip_lower(threshold[,axis,inplace]) (已弃用)修剪低于给定threshold的值。
  • Series.clip_upper(threshold[,axis,inplace]) (已弃用)修剪高于给定threshold的值。
  • Series.corr(other[,method,min_periods]) 计算与other系列的相关性,不包括缺失值。
  • Series.count([level]) 返回系列中非NA/null观测值的返回数。
  • Series.cov(other[,min_periods]) 计算与Series的协方差,不包括缺失值。
  • Series.cummax([axis,skipna]) 返回DataFrame或Seriesaxis上的累积最大值。
  • Series.cummin([axis,skipna]) 返回DataFrame或Seriesaxis上的累积最小值。
  • Series.cumprod([axis,skipna]) 通过DataFrame或Seriesaxis返回累积产品。
  • Series.cumsum([axis,skipna]) 返回DataFrame或Seriesaxis上的累积和。
  • Series.describe([percentiles, include, exclude]) 生成描述性统计数据,总结数据集分布趋势,分散和形状,不包括NaN值。
  • Series.diff([periods]) 第一个离散的元素差异。
  • Series.factorize([sort,na_sentinel]) 将对象编码为枚举类型或分类变量。
  • Series.kurt([axis,skipna,level,numeric_only]) 使用Fisher对峰度的定义(正常峰度== 0.0),在请求的axis上返回无偏峰度。
  • Series.mad([axis,skipna,level]) 返回请求axis的值的平均绝对偏差。
  • Series.max([axis,skipna,level,numeric_only]) 返回请求axis的最大值。
  • Series.mean([axis,skipna,level,numeric_only]) 返回请求axis的值的平均值。
  • Series.median([axis,skipna,level,...]) 返回请求axis的值的中值。
  • Series.min([axis,skipna,level,numeric_only]) 返回请求axis的最小值。
  • Series.mode([dropna]) 返回数据集的模式。
  • Series.nlargest([n,keep]) 返回最大的n个元素。
  • Series.nsmallest([n,keep]) 返回最小的n个元素。
  • Series.pct_change([periods,fill_method,...]) 当前元素和先前元素之间的百分比变化。
  • Series.prod([axis,skipna,level,...]) 返回请求axis的值的乘积。
  • Series.quantile([q,interpolation]) 给定分位数处的返回值。
  • Series.rank([axis,method,numeric_only,...]) 沿axis计算数值数据level(1到n)。
  • Series.sem([axis,skipna,level,ddof,...]) 在请求的axis上返回均值的无偏标准误差。
  • Series.skew([axis,skipna,level,numeric_only]) 返回请求axis的无偏偏差,由N-1归一化。
  • Series.std([axis,skipna,level,ddof,...]) 返回请求axis上的样本标准偏差。
  • Series.sum([axis,skipna,level,...]) 返回请求axis的值的总和。
  • Series.var([axis,skipna,level,ddof,...]) 在请求的axis上返回无偏差异。
  • Series.kurtosis([axis,skipna,level,...]) 使用Fisher对峰度的定义(正常峰度== 0.0),在请求的axis上返回无偏峰度。
  • Series.unique() 返回Series对象的唯一值。
  • Series.nunique([dropna]) 返回对象中唯一元素的数量。
  • Series.is_unique 如果对象中的值是唯一的,则返回布尔值。
  • Series.is_monotonic 如果对象中的值是monotonic_increasing,则返回boolean。
  • Series.is_monotonic_increasing 如果对象中的值是monotonic_increasing,则返回boolean。
  • Series.is_monotonic_decreasing 如果对象中的值是monotonic_decreasing,则返回布尔值。
  • Series.value_counts([normalize,sort,...]) 返回包含唯一值计数的系列。
  • Series.compound([axis,skipna,level]) 返回请求axis的值的复合百分比。

 

8.重新索引/选择/标签操作

  • Series.align(other[, join, axis, level, …]) 使用指定的每个轴索引的连接方法将轴上的两个对象对齐。
  • Series.drop([labels, axis, index, columns, …]) 返回已删除指定索引标签的series。
  • Series.droplevel(level[, axis]) 返回DataFrame，删除请求的索引/列级别。
  • Series.drop_duplicates([keep, inplace]) 返回系列，删除重复值。
  • Series.duplicated([keep]) 指示重复的系列值。
  • Series.equals(other) 测试两个对象是否包含相同的元素。
  • Series.first(offset) 基于日期偏移量对初始时间序列数据的子集进行子集化的便捷方法。
  • Series.head([n]) 返回前n行。
  • Series.idxmax([axis, skipna]) 返回最大值的行标签。
  • Series.idxmin([axis, skipna]) 返回最小值的行标签。
  • Series.isin(values) 检查series中是否包含值。
  • Series.last(offset) 基于日期偏移量化时间序列数据的最终时段的便捷方法。
  • Series.reindex([index]) 使用可选填充逻辑将系列符合到新索引，将NA/NaN放置在先前索引中没有值的位置。
  • Series.reindex_like(other[, method, copy, …]) 返回具有匹配索引的对象作为其他对象。
  • Series.rename([index]) 更改series索引标签或名称。
  • Series.rename_axis([mapper, index, columns, …]) 设置索引或列的轴名称。
  • Series.reset_index([level, drop, name, inplace]) 使用索引重置生成新的DataFrame或Series。
  • Series.sample([n, frac, replace, weights, …]) 从对象轴返回随机的项目样本。
  • Series.select(crit[, axis]) (DEPRECATED)返回与轴标签匹配条件对应的数据。
  • Series.set_axis(labels[, axis, inplace]) 将所需索引分配给给定轴。
  • Series.take(indices[, axis, convert, is_copy]) 沿轴返回给定位置索引中的元素。
  • Series.tail([n]) 返回最后n行。
  • Series.truncate([before, after, axis, copy]) 在某个索引值之前和之后截断一个Series或DataFrame。
  • Series.where(cond[, other, inplace, axis, …]) 替换条件为False的值。
  • Series.mask(cond[, other, inplace, axis, …]) 替换条件为True的值。
  • Series.add_prefix(prefix) 带有字符串前缀的前缀标签。
  • Series.add_suffix(suffix) 带有字符串后缀的后缀标签。
  • Series.filter([items, like, regex, axis]) 根据指定索引中的标签设置数据框的行或列。

 

9.缺少数据处理

  • Series.isna() 检测缺失值。
  • Series.notna() 检测现有(非缺失)值。
  • Series.dropna([axis, inplace]) 返回删除了缺失值的新Series。
  • Series.fillna([value, method, axis, …]) 使用指定的方法填充NA / NaN值。
  • Series.interpolate([method, axis, limit, …]) 根据不同的方法插值。

 

10.重塑,排序

  • Series.argsort([axis, kind, order]) 覆盖ndarray.argsort。
  • Series.argmin([axis, skipna]) (DEPRECATED)返回最小值的行标签。
  • Series.argmax([axis, skipna]) (DEPRECATED)返回最大值的行标签。
  • Series.reorder_levels(order) 使用输入顺序重新排列索引级别。
  • Series.sort_values([axis, ascending, …]) 按值排序。
  • Series.sort_index([axis, level, ascending, …]) 按索引标签排序系列。
  • Series.swaplevel([i, j, copy]) 在MultiIndex中交换i和j级别。
  • Series.unstack([level, fill_value]) Unstack，又名
  • Series.searchsorted(value[, side, sorter]) 查找应插入元素以维护顺序的索引。
  • Series.ravel([order]) 将展平的底层数据作为ndarray返回。
  • Series.repeat(repeats[, axis]) 重复系列的元素。
  • Series.squeeze([axis]) 将1维轴对象压缩为标量。
  • Series.view([dtype]) 创建系列的新视图。

 

11.合并/加入/合并

  • Series.append(to_append [,ignore_index,...]) 连接两个或更多系列。
  • Series.replace([to_replace,value,inplace,...]) 替换给定的值to_replace与价值。
  • Series.update(other) 使用传递的Series中的非NA值修改系列。

 

12.时间序列相关

  • Series.asfreq(freq[, method, how, …]) 将TimeSeries转换为指定的频率。
  • Series.asof(where[, subset]) 返回前最后一行（S）没有任何NaN的地方。
  • Series.shift([periods, freq, axis, fill_value]) 使用可选的时间频率按期望的周期数移动索引。
  • Series.first_valid_index() 返回第一个非NA / null值的索引。
  • Series.last_valid_index() 返回最后一个非NA / null值的索引。
  • Series.resample(rule[, how, axis, …]) 重新采样时间序列数据。
  • Series.tz_convert(tz[, axis, level, copy]) 将tz感知轴转换为目标时区。
  • Series.tz_localize(tz[, axis, level, copy, …]) 将Series或DataFrame的tz-naive索引本地化为目标时区
  • Series.at_time(time[, asof, axis]) 在特定时间选择值（例如，
  • Series.between_time(start_time, end_time[, …]) 选择一天中特定时间之间的值（例如，上午9：00-9：30）。
  • Series.tshift([periods, freq, axis]) 使用索引的频率（如果可用）移动时间索引。
  • Series.slice_shift([periods, axis]) 相当于移位而不复制数据。

 

13.访问者

  • Pandas在各种访问器下提供特定于dtype的方法。这些是单独的命名空间Series,仅适用于特定的数据类型。
  • 数据类型 访问
  • Data Type Accessor
  • Datetime,Timedelta,Period dt
  • String str
  • Categorical cat
  • Sparse sparse

 

14.日期时间属性

  • Series.dt.date 返回python datetime.date对象的numpy数组（即没有时区信息的Timestamps的日期部分）。
  • Series.dt.time 返回datetime.time的numpy数组。
  • Series.dt.timetz 返回包含时区信息的numpy数组datetime.time。
  • Series.dt.year 日期时间。
  • Series.dt.month 月份为1月= 1，12月= 12。
  • Series.dt.day 日期时间。
  • Series.dt.hour 日期时间。
  • Series.dt.minute 日期时间的分钟。
  • Series.dt.second 日期时间的秒数。
  • Series.dt.microsecond 日期时间的微秒。
  • Series.dt.nanosecond 日期时间的纳秒。
  • Series.dt.week 一年中的一周序数。
  • Series.dt.weekofyear 一年中的一周序数。
  • Series.dt.dayofweek 星期一= 0，星期日= 6的星期几。
  • Series.dt.weekday 星期一= 0，星期日= 6的星期几。
  • Series.dt.dayofyear 一年中的序数日。
  • Series.dt.quarter 四分之一的日期。
  • Series.dt.is_month_start 指示日期是否是该月的第一天。
  • Series.dt.is_month_end 指示日期是否是该月的最后一天。
  • Series.dt.is_quarter_start 指示日期是否是一个季度的第一天。
  • Series.dt.is_quarter_end 指示日期是否是一个季度的最后一天。
  • Series.dt.is_year_start 指明日期是否是一年的第一天。
  • Series.dt.is_year_end 指明日期是否是一年中的最后一天。
  • Series.dt.is_leap_year 布尔指示符，如果日期属于闰年。
  • Series.dt.daysinmonth 这个月的天数。
  • Series.dt.days_in_month 这个月的天数。
  • Series.dt.tz 返回时区，如果有的话。
  • Series.dt.freq

日期时间方法

  • Series.dt.to_period(*args, **kwargs) 以特定频率转换为PeriodArray / Index。
  • Series.dt.to_pydatetime() 将数据作为本机Python日期时间对象的数组返回。
  • Series.dt.tz_localize(*args, **kwargs) 将tz-naive日期时间数组/索引本地化为tz感知日期时间数
  • Series.dt.tz_convert(*args, **kwargs) 将tz感知日期时间数组/索引从一个时区转换为另一个时区。
  • Series.dt.normalize(*args, **kwargs) 将时间转换为午夜。
  • Series.dt.strftime(*args, **kwargs) 使用指定的date_format转换为Index。
  • Series.dt.round(*args, **kwargs) 对数据执行循环操作到指定的频率。
  • Series.dt.floor(*args, **kwargs) 对指定频率的数据执行floor操作。
  • Series.dt.ceil(*args, **kwargs) 对数据执行ceil操作到指定的频率。
  • Series.dt.month_name(*args, **kwargs) 返回具有指定语言环境的DateTimeIndex的月份名称。
  • Series.dt.day_name(*args, **kwargs) 返回具有指定语言环境的DateTimeIndex的日期名称。

期间属性

  • Series.dt.qyear
  • Series.dt.start_time
  • Series.dt.end_time

Timedelta属性

  • Series.dt.days 每个元素的天数。
  • Series.dt.seconds 每个元素的秒数(> = 0且小于1天)。
  • Series.dt.microseconds 每个元素的微秒数(> = 0且小于1秒)。
  • Series.dt.nanoseconds 每个元素的纳秒数(> = 0且小于1微秒)。
  • Series.dt.components 返回Timedeltas组件的Dataframe。

Timedelta方法

  • Series.dt.to_pytimedelta() 返回本机datetime.timedelta对象的数组。
  • Series.dt.total_seconds(* args,** kwargs) 返回每个元素的总持续时间,以秒为单位。

 

15.分类访问者

  • Series.cat 访问者可以使用Categorical-dtype特定的方法和属性。
  • Series.cat.categories 这种分类的类别。
  • Series.cat.ordered 类别是否具有有序关系。
  • Series.cat.codes 返回代码系列以及索引。
  • Series.cat.rename_categories(* args,** kwargs) 重命名类别。
  • Series.cat.reorder_categories(* args,** kwargs) 重新排序new_categories中指定的类别。
  • Series.cat.add_categories(* args,** kwargs) 添加新类别。
  • Series.cat.remove_categories(* args,** kwargs) 删除指定的类别。
  • Series.cat.remove_unused_categories(* args,......) 删除未使用的类别。
  • Series.cat.set_categories(* args,** kwargs) 将类别设置为指定的new_categories。
  • Series.cat.as_ordered(* args,** kwargs) 设置要订购的分类。
  • Series.cat.as_unordered(* args,** kwargs) 将Categorical设置为无序。

 

16.字符串处理

  • Series.str.capitalize() 将Series / Index中的字符串转换为大写。
  • Series.str.cat([others, sep, na_rep, join]) 使用给定的分隔符连接Series / Index中的字符串。
  • Series.str.center(width[, fillchar]) 使用附加字符填充系列/索引中字符串的左侧和右侧。
  • Series.str.contains(pat[, case, flags, na, …]) 测试pattern或regex是否包含在Series或Index的字符串中。
  • Series.str.count(pat[, flags]) 计算系列/索引的每个字符串中模式的出现次数。
  • Series.str.decode(encoding[, errors]) 使用指定的编码解码系列/索引中的字符串。
  • Series.str.encode(encoding[, errors]) 使用指定的编码对系列/索引中的字符串进行编码。
  • Series.str.endswith(pat[, na]) 测试每个字符串元素的结尾是否与模式匹配。
  • Series.str.extract(pat[, flags, expand]) 提取的正则表达式捕获组拍作为一个数据帧列。
  • Series.str.extractall(pat[, flags]) 对于系列中的每个主题字符串，从正则表达式pat的所有匹配中提取组。
  • Series.str.find(sub[, start, end]) 返回Series / Index中每个字符串中的最低索引，其中子字符串完全包含在[start：end]之间。
  • Series.str.findall(pat[, flags]) 在系列/索引中查找所有出现的模式或正则表达式。
  • Series.str.get(i) 从指定位置的每个组件中提取元素。
  • Series.str.index(sub[, start, end]) 返回子字符串完全包含在[start：end]之间的每个字符串中的最低索引。
  • Series.str.join(sep) 使用传递的分隔符连接包含在Series / Index中的元素的列表。
  • Series.str.len() 计算Series / Index中每个元素的长度。
  • Series.str.ljust(width[, fillchar]) 使用附加字符填充系列/索引中字符串的右侧。
  • Series.str.lower() 将Series / Index中的字符串转换为小写。
  • Series.str.lstrip([to_strip]) 删除前导和尾随字符。
  • Series.str.match(pat[, case, flags, na]) 确定每个字符串是否与正则表达式匹配。
  • Series.str.normalize(form) 返回Series / Index中字符串的Unicode普通表单。
  • Series.str.pad(width[, side, fillchar]) 将系列/索引中的字符串填充到宽度。
  • Series.str.partition([sep, expand]) 在第一次出现sep时拆分字符串。
  • Series.str.repeat(repeats) 复制系列或索引中的每个字符串。
  • Series.str.replace(pat, repl[, n, case, …]) 用一些其他字符串替换Series / Index中出现的pattern / regex。
  • Series.str.rfind(sub[, start, end]) 返回Series / Index中每个字符串中的最高索引，其中子字符串完全包含在[start：end]之间。
  • Series.str.rindex(sub[, start, end]) 返回每个字符串中的最高索引，其中子字符串完全包含在[start：end]之间。
  • Series.str.rjust(width[, fillchar]) 使用附加字符填充系列/索引中字符串的左侧。
  • Series.str.rpartition([sep, expand]) 在最后一次出现的sep时拆分字符串。
  • Series.str.rstrip([to_strip]) 删除前导和尾随字符。
  • Series.str.slice([start, stop, step]) 从系列或索引中的每个元素切片子串。
  • Series.str.slice_replace([start, stop, repl]) 用另一个值替换字符串的位置切片。
  • Series.str.split([pat, n, expand]) 在给定的分隔符/分隔符周围拆分字符串。
  • Series.str.rsplit([pat, n, expand]) 在给定的分隔符/分隔符周围拆分字符串。
  • Series.str.startswith(pat[, na]) 测试每个字符串元素的开头是否与模式匹配。
  • Series.str.strip([to_strip]) 删除前导和尾随字符。
  • Series.str.swapcase() 将Series / Index中的字符串转换为swapcased。
  • Series.str.title() 将系列/索引中的字符串转换为标题。
  • Series.str.translate(table[, deletechars]) 通过给定的映射表映射字符串中的所有字符。
  • Series.str.upper() 将Series / Index中的字符串转换为大写。
  • Series.str.wrap(width, **kwargs) 将Series / Index中的长字符串换行，以长度小于给定宽度的段落进行格式化。
  • Series.str.zfill(width) 系列/索引中的字符串填充前缀为'0'字符。
  • Series.str.isalnum() 检查每个字符串中的所有字符是否为字母数字。
  • Series.str.isalpha() 检查每个字符串中的所有字符是否都是字母。
  • Series.str.isdigit() 检查每个字符串中的所有字符是否为数字。
  • Series.str.isspace() 检查每个字符串中的所有字符是否为空格。
  • Series.str.islower() 检查每个字符串中的所有字符是否都是小写。
  • Series.str.isupper() 检查每个字符串中的所有字符是否都是大写。
  • Series.str.istitle() 检查每个字符串中的所有字符是否都是标题。
  • Series.str.isnumeric() 检查每个字符串中的所有字符是否都是数字。
  • Series.str.isdecimal() 检查每个字符串中的所有字符是否为十进制。
  • Series.str.get_dummies([sep]) 用sep拆分Series中的每个字符串，并返回一个虚拟/指示变量框。

 

17.稀疏访问器

  • Series.sparse.npoints 非fill_value点数。
  • Series.sparse.density 非fill_value点的百分比,以十进制表示。
  • Series.sparse.fill_value 不存储fill_value 数据中的元素。
  • Series.sparse.sp_values 包含非fill_value值的ndarray 。
  • Series.sparse.from_coo(A [,dense_index]) 从scipy.sparse.coo_matrix创建SparseSeries。
  • Series.sparse.to_coo([row_levels,...]) 使用MultiIndex从SparseSeries创建scipy.sparse.coo_matrix。

 

18.绘图

  • Series.plot([kind, ax, figsize, ….]) 系列绘图访问器和方法
  • Series.plot.area(** kwds) 区域情节。
  • Series.plot.bar(** kwds) 垂直条形图。
  • Series.plot.barh(** kwds) 单杠图。
  • Series.plot.box(** kwds) 箱形图。
  • Series.plot.density([bw_method,ind]) 使用高斯核生成核密度估计图。
  • Series.plot.hist([bins]) 直方图。
  • Series.plot.kde([bw_method,ind]) 使用高斯核生成核密度估计图。
  • Series.plot.line(** kwds) 线图。
  • Series.plot.pie(** kwds) 饼形图。
  • Series.hist([by,ax,grid,xlabelsize,...]) 使用matplotlib绘制输入序列的直方图。

 

19.序列化/ IO /转换

  • Series.to_pickle(path[, compression, protocol]) Pickle（序列化）对象到文件。
  • Series.to_csv(*args, **kwargs) 将对象写入逗号分隔值（csv）文件。
  • Series.to_dict([into]) 将Series转换为{label - > value} dict或类似dict的对象。
  • Series.to_excel(excel_writer[, sheet_name, …]) 将对象写入Excel工作表。
  • Series.to_frame([name]) 将Series转换为DataFrame。
  • Series.to_xarray() 从pandas对象返回一个xarray对象。
  • Series.to_hdf(path_or_buf, key, **kwargs) 使用HDFStore将包含的数据写入HDF5文件。
  • Series.to_sql(name, con[, schema, …]) 将存储在DataFrame中的记录写入SQL数据库。
  • Series.to_msgpack([path_or_buf, encoding]) 使用msgpack格式将对象序列化为输入文件路径。
  • Series.to_json([path_or_buf, orient, …]) 将对象转换为JSON字符串。
  • Series.to_sparse([kind, fill_value]) 将Series转换为SparseSeries。
  • Series.to_dense() 返回NDFrame的密集表示（与稀疏相反）。
  • Series.to_string([buf, na_rep, …]) 渲染Series的字符串表示形式。
  • Series.to_clipboard([excel, sep]) 将对象复制到系统剪贴板。
  • Series.to_latex([buf, columns, col_space, …]) 将对象渲染到LaTeX表格环境表。
  •  

20.稀疏

  • SparseSeries.to_coo([row_levels,...]) 使用MultiIndex从SparseSeries创建scipy.sparse.coo_matrix。
  • SparseSeries.from_coo(A [,dense_index]) 从scipy.sparse.coo_matrix创建SparseSeries。

 

 

 

 类似资料：

相关阅读

Python科学计算之Pandas详解python：sys.argv [0]在官方文档中的含义Python爬虫之pandas基本安装与使用方法示例python+tifffile之tiff文件读写方式python pandas 中的Groupby：快速方法

相关文章

Python Pandas时间序列Python Pandas聚合函数Python Pandas窗口函数Python Pandas统计函数Python Pandas处理字符串

相关问答

tinymce 官方插件如何显示图标文字？Python Pandas-查找两个数据帧之间的差异求一份微信小程序官方离线文档?谢谢Python在Pandas中读取CSV文件时的UnicodeDecodeError为什么官方JVM文档与addShutdownHook中的实现相矛盾？

相关文档

Pandas 官方教程Python 中文官方文档 v2.7OpenCV-Python 中文官方文档 v4.1.2Electron 官方文档Mithril 官方文档
快捷导航： 新手教程 算法原理 架构设计 Java进阶 数据库进阶 大厂专栏 面试经验 编程笔记 编程问答 所有专题 文档资料 工具软件 电子书籍 小牛导航
在线工具： 房贷计算器 个税计算器 Linux命令查询 Json格式化 正则表达式 颜色转换 AES加解密 SHA1加密 MD5加密 毒鸡汤 字数统计 随机密码生成 进制转换 Base64编解码 励志句子
Copyright © 2019-2024 小牛知识库@xnip.cn. All Rights Reserved.