Pandas: общие функции
Pandas предоставляет большое количество функций для обработки и анализа данных. Ниже приведены некоторые часто используемые функции:
Общие функции
| Функция | Описание |
|---|---|
pd.isna(obj) | Проверяет, является ли объект пропущенным значением. |
pd.notna(obj) | Проверяет, не является ли объект пропущенным значением. |
pd.concat(objs, axis) | Объединить несколько объектов. |
pd.merge(left, right, on) | Объединить DataFrame по столбцам. |
pd.get_dummies(data) | Выполнить One-Hot-кодирование категориальных переменных. |
pd.cut(x, bins) | Разбить непрерывные данные на интервалы. |
pd.qcut(x, q) | Разбить по квантилям. |
pd.to_numeric(arg) | Преобразовать в числовой формат. |
pd.to_datetime(arg) | Преобразовать в datetime. |
pd.unique(values) | Получение уникальных значений. |
pd.value_counts(values) | Подсчёт частот. |
pd.factorize(values) | Кодирование категориальных переменных. |
pd.crosstab(index, columns) | Кросс-табуляция. |
pd.pivot_table(data) | Сводная таблица. |
pd.melt(frame) | Из широкого в длинный. |
Чтение и запись данных (IO)
| Функция | Описание |
|---|---|
pd.read_csv() | Чтение CSV-файла. |
pd.read_excel() | Чтение Excel. |
pd.read_json() | Чтение JSON. |
pd.read_html() | Разбор HTML-таблиц. |
pd.read_sql() | Чтение из базы данных. |
df.to_csv() | Записать CSV. |
df.to_excel() | Записать Excel. |
df.to_json() | Записать JSON. |
df.to_parquet() | Записать Parquet. |
Очистка данных
| Функция | Описание |
|---|---|
df.dropna() | Удалить пропущенные значения. |
df.fillna() | Заполнить пропущенные значения. |
df.replace() | Заменить данные. |
df.drop_duplicates() | Удалить дубликаты. |
df.astype() | Преобразование типов. |
df.rename() | Переименовать столбцы. |
df.sort_values() | Сортировать. |
df.reset_index() | Сбросить индекс. |
Выбор и фильтрация данных
| Функция | Описание |
|---|---|
df.head() | Первые несколько строк. |
df.tail() | Последние несколько строк. |
df.loc[] | Индексация по меткам. |
df.iloc[] | Индексация по позиции. |
df.query() | Условная фильтрация. |
df.filter() | Фильтрация столбцов. |
Группировка и агрегация
| Функция | Описание |
|---|---|
df.groupby() | Операция группировки. |
groupby.sum() | Агрегация суммы. |
groupby.mean() | Среднее. |
groupby.agg() | Несколько агрегаций. |
groupby.transform() | Преобразование. |
Математические и статистические функции
| Функция | Описание |
|---|---|
Series.sum() | Сумма. |
Series.mean() | Среднее. |
Series.median() | Медиана. |
Series.std() | Стандартное отклонение. |
Series.var() | Дисперсия. |
Series.corr() | Коэффициент корреляции. |
Series.quantile() | Квантиль. |
Series.cumsum() | Накопительная сумма. |
Обработка строк
| Функция | Описание |
|---|---|
Series.str.lower() | Нижний регистр. |
Series.str.upper() | Верхний регистр. |
Series.str.strip() | Удаление пробельных символов. |
Series.str.replace() | Замена. |
Series.str.contains() | Сопоставление. |
Series.str.split() | Разделение. |
Series.str.len() | Длина. |
Временные ряды
| Функция | Описание |
|---|---|
pd.date_range() | Генерация дат. |
pd.Timestamp() | Метка времени. |
pd.Timedelta() | Разница во времени. |
Series.dt.year | Год. |
Series.dt.month | Месяц. |
Series.dt.day | День. |
Series.dt.weekday | День недели. |
Изменение формы данных
| Функция | Описание |
|---|---|
df.pivot() | Сводная таблица. |
df.pivot_table() | Сводная таблица. |
df.stack() | Столбцы в строки. |
df.unstack() | Строки в столбцы. |
pd.melt() | Из широкого в длинный. |
Пример
import pandas as pd
# Общие функции
s = pd.Series([1, 2, 3, None])
print(pd.isna(s))
# Математика
print(s.sum())
# String
s_str = pd.Series(['a', 'b'])
print(s_str.str.upper())
# Время
dates = pd.to_datetime(['2023-01-01'])
print(dates.dt.month)
# Общие функции
s = pd.Series([1, 2, 3, None])
print(pd.isna(s))
# Математика
print(s.sum())
# String
s_str = pd.Series(['a', 'b'])
print(s_str.str.upper())
# Время
dates = pd.to_datetime(['2023-01-01'])
print(dates.dt.month)
Если вам нужна более подробная информация, вы можете обратиться кОфициальной документации Pandas。
Другие расширения