一般职能
优质
小牛编辑
128浏览
2023-12-01
| 函数 | 说明 |
|---|---|
| 数据操作 | |
| melt(frame[, id_vars, value_vars, var_name, …]) | “取消固定” 从宽格式到长格式的 DataFrame，可选地保留标识符变量集。 |
| pivot(index, columns, values) | 根据此 DataFrame 的 3 列生成 “pivot” 表。 |
| pivot_table(data[, values, index, columns, …]) | 创建电子表格样式的透视表作为 DataFrame 架。 |
| crosstab(index, columns[, values, rownames, …]) | 计算两个 (或更多) 因素的简单交叉列表。 |
| cut(x, bins[, right, labels, retbins, …]) | 将值绑定到离散间隔中。 |
| qcut(x, q[, labels, retbins, precision, …]) | 基于分位数的离散化函数。 |
| merge(left, right[, how, on, left_on, …]) | 通过按列或索引执行数据库样式的联接操作来合并 DataFrame 对象。 |
| merge_ordered(left, right[, on, left_on, …]) | 使用为时序数据等有序数据设计的可选填充 / 插值执行合并。 |
| merge_asof(left, right[, on, left_on, …]) | 执行 asof 合并。 |
| concat(objs[, axis, join, join_axes, …]) | 沿特定轴连接 Pandas 对象，沿其他轴连接可选的 set 逻辑。 |
| get_dummies(data[, prefix, prefix_sep, …]) | 将分类变量转换为虚拟 / 指示变量 |
| factorize(values[, sort, order, …]) | 将对象编码为枚举类型或分类变量。 |
| unique(values) | 基于哈希表的唯一性。 |
| wide_to_long(df, stubnames, i, j[, sep, suffix]) | 宽 Panel 到长格式。 |
| 顶级缺失数据 | |
| isna(obj) | 检测阵列状对象的缺失值。 |
| isnull(obj) | 检测阵列状对象的缺失值。 |
| notna(obj) | 检测阵列状对象的未丢失值。 |
| notnull(obj) | 检测阵列状对象的未丢失值。 |
| 顶级转换 | |
| to_numeric(arg[, errors, downcast]) | 将参数转换为数字类型。 |
| 顶级处理类日期 | |
| to_datetime(arg[, errors, dayfirst, …]) | 将参数转换为日期时间。 |
| to_timedelta(arg[, unit, box, errors]) | 将参数转换为时间增量 |
| date_range([start, end, periods, freq, tz, …]) | 返回固定频率的日期时间索引。 |
| bdate_range([start, end, periods, freq, tz, …]) | 返回固定频率 DatetimeIndex，默认频率为工作日 |
| period_range([start, end, periods, freq, name]) | 返回固定频率周期索引，默认频率为 day (日历) |
| timedelta_range([start, end, periods, freq, …]) | 返回固定频率 timedeltindex，默认频率为天 |
| infer_freq(index[, warn]) | 根据输入索引推断最可能的频率。 |
| 高层处理间隔 | |
| interval_range([start, end, periods, freq, …]) | 返回固定频率的 internalindex |
| 顶级评估 | |
| eval(expr[, parser, engine, truediv, …]) | 使用各种后端将 Python 表达式计算为字符串。 |
| 测试 | |
| test([extra_args]) | - |