對於數據科學家，無論是數據分析還是數據挖掘來說，Pandas是一個非常重要的Python包。它不僅提供了很多方法，使得數據處理非常簡單，同時在數據處理速度上也做了很多優化，使得和Python內置方法相比時有了很大的優勢。
在第一次學習Pandas的過程中，你會發現你需要記憶很多的函數和方法。所以在這裏我們彙總一下Pandas官方文檔中比較常用的函數和方法，以方便大家記憶。同時，我們提供一個PDF版本，方便大家打印。Pandas速查手冊中文版
關鍵縮寫和包導入
在這個速查手冊中，我們使用如下縮寫：
df：任意的Pandas DataFrame對象
s：任意的Pandas Series對象
同時我們需要做如下的引入：
import pandas as pd
import numpy as np
導入數據
# 從CSV文件導入數據
pd.read_csv(filename)
# 從限定分隔符的文本文件導入數據
pd.read_table(filename)
# 從Excel文件導入數據
pd.read_excel(filename)
# 從SQL表/庫導入數據
pd.read_sql(query, connection_object)
# 從JSON格式的字符串導入數據
pd.read_json(json_string)
# 解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_html(url)
# 從你的粘貼板獲取內容，並傳給read_table()
pd.read_clipboard()
# 從字典對象導入數據，Key是列名，Value是數據
pd.DataFrame(dict)
導出數據
#
# 導出數據到CSV文件
df.to_csv(filename)
# 導出數據到Excel文件
df.to_excel(filename)
# 導出數據到SQL表
df.to_sql(table_name, connection_object)
# 以Json格式導出數據到文本文件
df.to_json(filename)
創建測試對象
#創建20行5列的隨機數組成的DataFrame對象
pd.DataFrame(np.random.rand(20,5))
# 從可迭代對象my_list創建一個Series對象
pd.Series(my_list)
# 增加一個日期索引
df.index = pd.date_range('1900/1/30', periods=df.shape[0])
查看、檢查數據
# 查看DataFrame對象的前n行
df.head(n)
# 查看DataFrame對象的最後n行
df.tail(n)
# 查看行數和列數
df.shape()
# 查看索引、數據類型和內存信息
df.info()
# 查看數值型列的彙總統計
df.describe()
# 查看Series對象的唯一值和計數
s.value_counts(dropna=False)
# 查看DataFrame對象中每一列的唯一值和計數
df.apply(pd.Series.value_counts)
數據選取
# 根據列名，並以Series的形式返回列
df[col]
# 以DataFrame形式返回多列
df[[col1, col2]]
# 按位置選取數據
s.iloc[0]
# 按索引選取數據
s.loc['index_one']
# 返回第一行
df.iloc[0,:]
# 返回第一列的第一個元素
df.iloc[0,0]
數據清理
# 重命名列名
df.columns = ['a','b','c']
# 檢查DataFrame對象中的空值，並返回一個Boolean數組
pd.isnull()
# 檢查DataFrame對象中的非空值，並返回一個Boolean數組
pd.notnull()
# 刪除所有包含空值的行
df.dropna()
# 刪除所有包含空值的列
df.dropna(axis=1)
# 刪除所有小於n個非空值的行
df.dropna(axis=1,thresh=n)
# 用x替換DataFrame對象中所有的空值
df.fillna(x)：
# 將Series中的數據類型更改爲float類型
s.astype(float)
# 用‘one’代替所有等於1的值
s.replace(1,'one')
# 用'one'代替1，用'three'代替3
s.replace([1,3],['one','three'])
# 批量更改列名
df.rename(columns=lambda x: x + 1)
# 選擇性更改列名
df.rename(columns={'old_name': 'new_ name'})
# 更改索引列
df.set_index('column_one')
# 批量重命名索引
df.rename(index=lambda x: x + 1)
數據處理：Filter、Sort和GroupBy
# 選擇col列的值大於0.5的行
df[df[col] > 0.5]
# 按照列col1排序數據，默認升序排列
df.sort_values(col1)
# 按照列col1降序排列數據
df.sort_values(col2, ascending=False)
# 先按列col1升序排列，後按col2降序排列數據
df.sort_values([col1,col2], ascending=[True,False])
# 返回一個按列col進行分組的Groupby對象
df.groupby(col)
# ：返回一個按多列進行分組的Groupby對象
df.groupby([col1,col2])
# 返回按列col1進行分組後，列col2的均值
df.groupby(col1)[col2]
# 創建一個按列col1進行分組，並計算col2和col3的最大值的數據透視表
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)
# 返回按列col1分組的所有列的均值
df.groupby(col1).agg(np.mean)
# 對DataFrame中的每一列應用函數np.mean
data.apply(np.mean)
# 對DataFrame中的每一行應用函數np.max
data.apply(np.max,axis=1)
數據合併
# 將df2中的行添加到df1的尾部
df1.append(df2)
# 將df2中的列添加到df1的尾部
df.concat([df1, df2],axis=1)
# 對df1的列和df2的列執行SQL形式的join
df1.join(df2,on=col1,how='inner')
數據統計
# 查看數據值列的彙總統計
df.describe()
# 返回所有列的均值
df.mean()
# 返回列與列之間的相關係數
df.corr()
# 返回每一列中的非空值的個數
df.count()
# 返回每一列的最大值
df.max()
# 返回每一列的最小值
df.min()
# 返回每一列的中位數
df.median()
# 返回每一列的標準差
df.std()