对于数据科学家，无论是数据分析还是数据挖掘来说，Pandas是一个非常重要的Python包。它不仅提供了很多方法，使得数据处理非常简单，同时在数据处理速度上也做了很多优化，使得和Python内置方法相比时有了很大的优势。
在第一次学习Pandas的过程中，你会发现你需要记忆很多的函数和方法。所以在这里我们汇总一下Pandas官方文档中比较常用的函数和方法，以方便大家记忆。同时，我们提供一个PDF版本，方便大家打印。Pandas速查手册中文版
关键缩写和包导入
在这个速查手册中，我们使用如下缩写：
df：任意的Pandas DataFrame对象
s：任意的Pandas Series对象
同时我们需要做如下的引入：
import pandas as pd
import numpy as np
导入数据
# 从CSV文件导入数据
pd.read_csv(filename)
# 从限定分隔符的文本文件导入数据
pd.read_table(filename)
# 从Excel文件导入数据
pd.read_excel(filename)
# 从SQL表/库导入数据
pd.read_sql(query, connection_object)
# 从JSON格式的字符串导入数据
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)
# 从你的粘贴板获取内容，并传给read_table()
pd.read_clipboard()
# 从字典对象导入数据，Key是列名，Value是数据
pd.DataFrame(dict)
导出数据
#
# 导出数据到CSV文件
df.to_csv(filename)
# 导出数据到Excel文件
df.to_excel(filename)
# 导出数据到SQL表
df.to_sql(table_name, connection_object)
# 以Json格式导出数据到文本文件
df.to_json(filename)
创建测试对象
#创建20行5列的随机数组成的DataFrame对象
pd.DataFrame(np.random.rand(20,5))
# 从可迭代对象my_list创建一个Series对象
pd.Series(my_list)
# 增加一个日期索引
df.index = pd.date_range('1900/1/30', periods=df.shape[0])
查看、检查数据
# 查看DataFrame对象的前n行
df.head(n)
# 查看DataFrame对象的最后n行
df.tail(n)
# 查看行数和列数
df.shape()
# 查看索引、数据类型和内存信息
df.info()
# 查看数值型列的汇总统计
df.describe()
# 查看Series对象的唯一值和计数
s.value_counts(dropna=False)
# 查看DataFrame对象中每一列的唯一值和计数
df.apply(pd.Series.value_counts)
数据选取
# 根据列名，并以Series的形式返回列
df[col]
# 以DataFrame形式返回多列
df[[col1, col2]]
# 按位置选取数据
s.iloc[0]
# 按索引选取数据
s.loc['index_one']
# 返回第一行
df.iloc[0,:]
# 返回第一列的第一个元素
df.iloc[0,0]
数据清理
# 重命名列名
df.columns = ['a','b','c']
# 检查DataFrame对象中的空值，并返回一个Boolean数组
pd.isnull()
# 检查DataFrame对象中的非空值，并返回一个Boolean数组
pd.notnull()
# 删除所有包含空值的行
df.dropna()
# 删除所有包含空值的列
df.dropna(axis=1)
# 删除所有小于n个非空值的行
df.dropna(axis=1,thresh=n)
# 用x替换DataFrame对象中所有的空值
df.fillna(x)：
# 将Series中的数据类型更改为float类型
s.astype(float)
# 用‘one’代替所有等于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)
# 选择性更改列名
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)
数据处理：Filter、Sort和GroupBy
# 选择col列的值大于0.5的行
df[df[col] > 0.5]
# 按照列col1排序数据，默认升序排列
df.sort_values(col1)
# 按照列col1降序排列数据
df.sort_values(col2, ascending=False)
# 先按列col1升序排列，后按col2降序排列数据
df.sort_values([col1,col2], ascending=[True,False])
# 返回一个按列col进行分组的Groupby对象
df.groupby(col)
# ：返回一个按多列进行分组的Groupby对象
df.groupby([col1,col2])
# 返回按列col1进行分组后，列col2的均值
df.groupby(col1)[col2]
# 创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)
# 返回按列col1分组的所有列的均值
df.groupby(col1).agg(np.mean)
# 对DataFrame中的每一列应用函数np.mean
data.apply(np.mean)
# 对DataFrame中的每一行应用函数np.max
data.apply(np.max,axis=1)
数据合并
# 将df2中的行添加到df1的尾部
df1.append(df2)
# 将df2中的列添加到df1的尾部
df.concat([df1, df2],axis=1)
# 对df1的列和df2的列执行SQL形式的join
df1.join(df2,on=col1,how='inner')
数据统计
# 查看数据值列的汇总统计
df.describe()
# 返回所有列的均值
df.mean()
# 返回列与列之间的相关系数
df.corr()
# 返回每一列中的非空值的个数
df.count()
# 返回每一列的最大值
df.max()
# 返回每一列的最小值
df.min()
# 返回每一列的中位数
df.median()
# 返回每一列的标准差
df.std()