置顶帖 - 本帖收集增加的内容

置顶帖 - 本帖收集增加的内容

pandas教程 - 非常详细版

pandas教程 - 详细版

pandas Anaconda安装

pandas Jupyter-notebook

Pandas - 概述、安装、下载

pandas数据结构 列型Series()

pandas数据结构 表格型DataFrame()

pandas打印优化设置

pandas导入数据pd.DataFrame(data)读[]list

pandas导入数据pd.read_csv()读CSV文件

pandas导入数据pd.read_table(fname)读定分隔符文本

pandas导入数据pd.read_excel(filename)读Excel文件

pandas导入数据pd.read_sql(query, conobject)读sql

pandas导入数据pd.read_json(jsonstr)读json字符串

pandas导入数据pd.read_html(url)解析URL或HTML

pandas导入数据pd.read_clipboard()粘贴板获取内容

pandas导入数据pd.read_xml()

pandas创建DataFrame

pandas创建空DataFrame、方法流通

pandas重要概念inplace=True原df修改

pandas数据类型int64、float64、bool、datetime64

pandas数据类型pd.Timestamp()时间

pandas数据类型pd.Timedelta()时长

pandas数据类型print(df.dtypes)查看数据类型

pandas重要函数apply(fun)传入方法

pandas转换df["列"].apply()字段是list转多行

pandas转换df.explode("要拆的列")字段是list转多行

pandas转换df["列"].apply()字段是dict转成多列

pandas转换pd.melt()多列转多行

pandas转换pd.pivot()多行转多列

pandas转换多列合并

pandas判断if df.empty:Data Frame 是否为空

pandas DataFrame信息df.shape[0] [0]行数、[1]列数

pandas DataFrame信息list(data)全部列名

pandas DataFrame信息df.info()数据集的数据类型

pandas DataFrame信息df.describe()描述

pandas列级df["新列名"] = 0新增列和基础值

pandas列级df[""] = df[""].xx数据截取、数据转换日期

pandas列级astype("float64")替换数据类型

pandas列级df.set_index("columns")列转索引

pandas列级df.reset_index()索引转列

pandas列级df.reset_index()索引重置

pandas列级df_new = df.rename()列改名

pandas列级df.columns=["a","b"]重命名列名

pandas列级df.drop()删除列

pandas行级df.append(s)增加行

pandas行级df.drop()删除行，清空

pandas内容sort_value()排序

pandas内容df.drop_duplicate()去重

pandas内容df.dropna()删除所有包含空值的行

pandas内容str.replace()替换

pandas内容df.where() NaN转换为None

pandas内容df.fillna()NaN转换

pandas内容python语法判空

pandas选择数据random_rows = df.sample(3)随机3行

pandas选择数据df[] python切片

pandas选择数据df.loc[:,:]行名,列名时间范围

pandas选择数据df.nlargest()最大最小时间

pandas选择数据df.iloc[:,:]行index,列index

pandas选择数据df[] df[选择指定列]

pandas选择数据df[][] df[选择指定列][筛选条件]

pandas选择数据df[df["A"] == "a"]] 列A等于a的数据

pandas获得数据值 选择后.index[0]

pandas for循环 较慢不建议用

pandas分组df.groupby(by="A列")分组

pandas运算df["A"].value_counts()按a列数量统计

pandas运算 选择后.sum() 求和

pandas运算 选择后.mean() 平均值

pandas运算df["C"]=df["A"]-df["B"]

pandas运算df.agg()聚合运算

pandas修改数据 选择数据 = 修改值

pandas合并数据df1.append(df2) df2加到df1的尾

pandas合并数据pd.concat([df1,df2,df3])多表合并

pandas合并数据df3=df1.add(df2)加法运算合并

pandas合并数据df.merge()多功能合并

pandas整理df = df[["A","B"]]重排列

pandas整理df.round({})小数点后2位

pandas导出数据df. to_dict() dict{}

pandas导出数据df. tolist() list[]

pandas导出数据df.to_csv()CSV文件

pandas导出数据df.to_excel(filename)Excel文件

pandas导出数据df.to_sql()mysql数据库

pandas导出数据df.to_json(filename)Json格式

pandas导出数据df.to_html()HTML

pandas导出数据df.to_xml() XML

pandas导出数据df. to_markdown() markdown

matplotlib - 配置显示图表

matplotlib - plt.subplot(,,) - 行，列，按列第几个

matplotlib - plt.plot(,,) - 显示图表

matplotlib - plt.xlabel(“”) - X/Y轴名字

matplotlib - plt.title(“”) - 标题

matplotlib - plt.legend() - label小图示

提升 - 数据分析方法