這里列舉下Pandas中常用的函數和方法，方便大家查詢使用。

讀取 寫入

• read_csv：讀取CSV文件
• to_csv：導出CSV文件
• read_excel：讀取Excel文件
• to_excel：導出Excel文件
• read_json：讀取Json文件
• to_json：導出Json文件
• read_html：讀取網頁中HTML表格數據
• to_html：導出網頁HTML表格
• read_clipboard：讀取剪切板數據
• to_clipboard：導出數據到剪切板
• to_latex：導出數據為latex格式
• read_sas：讀取sas格式數據（一種統計分析軟件數據格式）
• read_spss：讀取spss格式數據（一種統計分析軟件數據格式）
• read_stata：讀取stata格式數據（一種統計分析軟件數據格式）
• read_sql：讀取sql查詢的數據（需要連接數據庫），輸出dataframe格式
• to_sql：向數據庫寫入dataframe格式數據

連接 合并 重塑

• merge：根據指定鍵關聯連接多個dataframe，類似sql中的join
• concat：合并多個dataframe，類似sql中的union
• pivot：按照指定的行列重塑表格
• pivot_table：數據透視表，類似excel中的透視表
• cut：將一組數據分割成離散的區間，適合將數值進行分類
• qcut：和cut作用一樣，不過它是將數值等間距分割
• crosstab：創建交叉表，用于計算兩個或多個因子之間的頻率
• join：通過索引合并兩個dataframe
• stack: 將數據框的列“堆疊”為一個層次化的Series
• unstack: 將層次化的Series轉換回數據框形式
• append: 將一行或多行數據追加到數據框的末尾

分組 聚合 轉換 過濾

• groupby：按照指定的列或多個列對數據進行分組
• agg：對每個分組應用自定義的聚合函數
• transform：對每個分組應用轉換函數，返回與原始數據形狀相同的結果
• rank：計算元素在每個分組中的排名
• filter：根據分組的某些屬性篩選數據
• sum：計算分組的總和
• mean：計算分組的平均值
• median：計算分組的中位數
• min和 max：計算分組的最小值和最大值
• count：計算分組中非NA值的數量
• size：計算分組的大小
• std和 var：計算分組的標準差和方差
• describe：生成分組的描述性統計摘要
• first和 last：獲取分組中的第一個和最后一個元素
• nunique：計算分組中唯一值的數量
• cumsum、cummin、cummax、cumprod：計算分組的累積和、最小值、最大值、累積乘積

數據清洗

• dropna: 丟棄包含缺失值的行或列
• fillna: 填充或替換缺失值
• interpolate: 對缺失值進行插值
• duplicated: 標記重復的行
• drop_duplicates: 刪除重復的行
• str.strip: 去除字符串兩端的空白字符
• str.lower和 str.upper: 將字符串轉換為小寫或大寫
• str.replace: 替換字符串中的特定字符
• astype: 將一列的數據類型轉換為指定類型
• sort_values: 對數據框按照指定列進行排序
• rename: 對列或行進行重命名
• drop: 刪除指定的列或行

數據可視化

• pandas.DataFrame.plot.area：繪制堆積圖
• pandas.DataFrame.plot.bar：繪制柱狀圖
• pandas.DataFrame.plot.barh：繪制水平條形圖
• pandas.DataFrame.plot.box：繪制箱線圖
• pandas.DataFrame.plot.density：繪制核密度估計圖
• pandas.DataFrame.plot.hexbin：繪制六邊形分箱圖
• pandas.DataFrame.plot.hist：繪制直方圖
• pandas.DataFrame.plot.line：繪制線型圖
• pandas.DataFrame.plot.pie：繪制餅圖
• pandas.DataFrame.plot.scatter：繪制散點圖
• pandas.plotting.andrews_curves：繪制安德魯曲線，用于可視化多變量數據
• pandas.plotting.autocorrelation_plot：繪制時間序列自相關圖
• pandas.plotting.bootstrap_plot：用于評估統計數據的不確定性,例如均值,中位數,中間范圍等
• pandas.plotting.lag_plot：繪制時滯圖，用于檢測時間序列數據中的模式、趨勢和季節性
• pandas.plotting.parallel_coordinates：繪制平行坐標圖，用于展示具有多個特征的數據集中各個樣本之間的關系
• pandas.plotting.scatter_matrix：繪制散點矩陣圖
• pandas.plotting.table：繪制表格形式可視化圖

日期時間

• to_datetime: 將輸入轉換為Datetime類型
• date_range: 生成日期范圍
• to_timedelta: 將輸入轉換為Timedelta類型
• timedelta_range: 生成時間間隔范圍
• shift: 沿著時間軸將數據移動
• resample: 對時間序列進行重新采樣
• asfreq: 將時間序列轉換為指定的頻率
• cut: 將連續數據劃分為離散的箱
• period_range: 生成周期范圍
• infer_freq: 推斷時間序列的頻率
• tz_localize: 設置時區
• tz_convert: 轉換時區
• dt: 用于訪問Datetime中的屬性
• day_name, month_name: 獲取日期的星期幾和月份的名稱
• total_seconds: 計算時間間隔的總秒數
• rolling: 用于滾動窗口的操作
• expanding: 用于展開窗口的操作
• at_time, between_time: 在特定時間進行選擇
• truncate: 截斷時間序列