andas是python中最重要的数据分析库之一。它提供了很多功能和方法来高效地处理和分析数据。pandas如此受欢迎的原因在于其简洁、灵活和强大的语法。本文将通过示例解释20个重要的pandas函数。其中有一些是非常常用的，相信大家可能都用过。还有一些函数出现频率较低，但对分析数据也很有用。在介绍这些功能之前，首先要导入pandas和numpy。importnumpyasnpimportpandasaspd1.QueryQuery是pandas的过滤查询函数，使用布尔表达式对DataFrame的列进行查询，即按照列的规则进行过滤操作。用法：pandas.DataFrame.query(self,expr,inplace=False,**kwargs)参数作用：expr：要求值的查询字符串；inplace=False：查询是否应该修改数据或返回修改后的副本kwargs:dict关键字参数首先生成一个df：values_1=np.random.randint(10,size=10)values_2=np.random.randint(10,size=10)years=np.arange(2010,2020)groups=['A','A','B','A','B','B','C','A','C','C']df=pd.DataFrame({'group':groups,'year':years,'value_1':values_1,'value_2':values_2})df过滤查询使用比较简单，例如,查看列value_1=2016的行记录:df.query('year>=2016')2.InsertInsert用于插入DataFrame指定位置的新数据列。默认情况下，新列在末尾添加，但可以更改位置参数以在任何位置添加新列。用法：Dataframe.insert(loc,column,value,allow_duplicates=False)参数功能：loc：int类型，表示插入位置在哪一列；如果在第一列插入数据，则loc=0column：插入名称的列，如column='newcolumn'value：新列的值，数字，数组，系列等allow_duplicates：是否允许重复columnnames，选择True允许新的列名与现有的列名重复然后Usethepreviousdf:insertanewcolumnatthethirdcolumnposition:#Thevalueofthenewcolumnnew_col=np.random.randn(10)#在第三列位置插入新列，从0开始df.insert(2,'new_col',new_col)df3.CumsumCumsum是pandas的累加函数，用于计算列的累加值。用法：DataFrame.cumsum(axis=None,skipna=True,args,kwargs)参数功能：axis：索引或轴的名称skipna：排除NA/空值以前面的df为例，分组列有A,B,C三组，年份栏有多个年份。我们只知道当年的value_1和value_2的值。现在我们可以用cumsum函数求group组下的累计值，比如A和2014年之前的累计值。当然，只用cumsum函数是没法区分组（A，B，C）的，所以需要结合分组函数groupby分别累加(A,B,C)的值。df['cumsum_2']=df[['value_2','group']].groupby('group').cumsum()df4。SampleSample用于从DataFrame中随机选择若干行或几列。用法：DataFrame.sample(n=None,frac=None,replace=False,weights=None,random_state=None,axis=None)参数作用：(1)n：提取的行数(2)frac：extractrows比如frac=0.8就是提取其中的80%(3)replace:是否有放回抽样,True:有放回抽样False:无放回抽样(4)weights:字符索引或者概率数组(5)random_state:随机数生成器seed(6)axis:选择提取数据的行或列axis=0:提取行axis=1:提取列例如要从df中随机提取5行：sample1=df.sample(n=5)sample1从df中随机选取60%的行，并设置随机数种子，这样每次都可以抽取相同的样本：sample2=df.sample(frac=0.6,random_state=2)sample25。WhereWhere用于根据条件值替换行或列。如果满足条件，则保留原值，如果不满足条件，则替换为其他值。默认替换为NaN，也可以指定特殊值。用法：DataFrame.where(cond,other=nan,inplace=False,axis=None,level=None,errors='raise',try_cast=False,raise_on_error=None)参数作用：cond：布尔条件，如果cond为真,保留原值，否则替换为其他other:替换inplace的特殊值：如果inplace为true，则对原始数据进行操作，如果为false，则对原始数据的副本进行操作。值替换为0：df['value_1'].where(df['value_1']>5,0)其中是掩码操作。掩码（英文：Mask）是指计算机科学和数字逻辑中的一串二进制数。通过对目标数进行位运算，可以屏蔽掉指定的位来满足要求。6、IsinIsin也是一种过滤方法，用于检查某列中是否包含某个字符串，返回值是一个BooleanSeries，表示每一行的情况。用法：Series.isin(values)或DataFrame.isin(values)过滤df中year列值在['2010','2014','2017']的行：years=['2010','2014','2017']df[df.year.isin(years)]7.Loc和ilocLoc和iloc通常用于选择行和列。它们的功能相似，但用法不同。Usage:years=['2010','2014','2017']df[df.year.isin(years)]loc:按标签选择行和列（列和索引）iloc:按索引位置选择行和列选择df的1~3行1~2列的数据，使用iloc:df.iloc[:3,:2]useloc:df.loc[:2,['group','year']]1提示：使用loc时，索引指的是索引值，包括上界。iloc索引指的是行的位置，不包括上限。选择第1、3、5行，列year和value_1：df.loc[[1,3,5],['year','value_1']]8.pct_changePct_change是一个统计函数，用来表示当前元素和前一个元素的差异百分比，两个元素之间的间隔可以调整。比如给定三个元素[2,3,6]，计算百分比差后得到[NaN,0.5,1.0]，从第一个元素到第二个元素增加50%，从第二个元素到第三个元素增加50%元素增加100%。Usage:DataFrame.pct_change(periods=1,fill_method='pad',limit=None,freq=None,**kwargs)参数功能：periods：interval区间，即步长fill_method：处理null的方法valuesforvalue_1ofdf计算列的增长率：df.value_1.pct_change()9.RankRank是排序函数，将原序列的值按照规则（从大到小，从从小到大），并返回排名位置。比如有一个序列[1,7,5,3]，使用rank从小到大排序后，返回[1,4,3,2]，即前一个序列的每个值的排序位置。用法：rank(axis=0,method:str='average',numeric_only:Union[bool,NoneType]=None,na_option:str='keep',ascending:bool=True,pct:bool=False)参数功能：(1)axis:roworcolumn(2)method:返回排名的方式，可选{'average','min','max','first','dense'}method=average默认设置：相同value占前两位，分不清谁是1谁是2，然后去中位数，也就是1.5，下一个就是第三种方法=max：两人并列第二，andnextpersonisthirdplacemethod=min:两个人并列第一，下一个人是第三名method=dense:两个人并列第一，下一个人是第二名method=first:相同的值会按照其在序列中的相对位置设置(3)升序：对df中的列value_1进行正序和反序排列：df['rank_1']=df['value_1'].rank()df10.MeltMelt用于将宽表变窄表，是一个pivot透视的逆运算函数，将列名转换为列数据（列名→列值），重构DataFrame。简单点说就是把指定的列放在行上变成两列，类别是变量（可以指定）列，值是值（可以指定）列。用法：pandas.melt(frame,id_vars=None,value_vars=None,var_name=None,value_name='value',col_level=None)参数作用：frame：指DataFrameid_vars[tuple,listorndarray,optional]:不需要转换的列的名称，引用用作标识符变量的列如果未指定，则使用所有未设置为id_vars的列var_name[标量]：指用于“变量”列的名称。IfNone,use--frame.columns.nameor'variable'value_name[scalar,default'value']:指的是用于'value'列的名称col_level[intorstring,optional]:如果column为MultiIndex，它会使用这个级别来融化，例如，代表不同城市和每日人口流动的一串数据：importpandasaspddf1=pd.DataFrame({'city':{0:'a',1:'b',2:'c'},'day1':{0:1,1:3,2:5},'day2':{0:2,1:4,2:6}})df1现在将更改day1和day2列进入一个变量列，加上一个值列：pd.melt(df1,id_vars=['city'])
