盘点Pandas的100个常用函数

经过一段时间的整理，本期将分享我认为比较常规的100个实用函数，这些函数大致可以分为六类，分别是统计汇总函数、数据清洗函数、数据筛选、绘图与元素级运算函数、时间序列函数和其他函数。

一、统计汇总函数数据分析过程中，必然要做一些数据的统计汇总工作，那么对于这一块的数据运算有哪些可用的函数可以帮助到我们呢？具体看如下几张表。

import pandas as pd import numpy as np x = pd.Series（np.random.normal（2，3，1000）） y = 3*x + 10 + pd.Series（np.random.normal（1，2，1000）） # 计算x与y的相关系数 print（x.corr（y）） # 计算y的偏度 print（y.skew（）） # 计算y的统计描述值 print（x.describe（）） z = pd.Series（［‘A’，‘B’，‘C’］）.sample（n = 1000， replace = True） # 重新修改z的行索引 z.index = range（1000） # 按照z分组，统计y的组内平均值 y.groupby（by = z）.aggregate（np.mean）

# 统计z中个元素的频次 print（z.value_counts（）） a = pd.Series（［1，5，10，15，25，30］） # 计算a中各元素的累计百分比 print（a.cumsum（） / a.cumsum（）［a.size - 1］）

二、数据清洗函数同样，数据清洗工作也是必不可少的工作，在如下表格中罗列了常有的数据清洗的函数。

x = pd.Series（［10，13，np.nan，17，28，19，33，np.nan，27］） #检验序列中是否存在缺失值 print（x.hasnans） # 将缺失值填充为平均值 print（x.fillna（value = x.mean（））） # 前向填充缺失值 print（x.ffill（））

income = pd.Series（［‘12500元’，‘8000元’，‘8500元’，‘15000元’，‘9000元’］） # 将收入转换为整型 print（income.str［：-1］.astype（int）） gender = pd.Series（［‘男’，‘女’，‘女’，‘女’，‘男’，‘女’］） # 性别因子化处理 print（gender.factorize（）） house = pd.Series（［‘大宁金茂府 | 3室2厅 | 158.32平米 | 南 | 精装’， ‘昌里花园 | 2室2厅 | 104.73平米 | 南 | 精装’， ‘纺大小区 | 3室1厅 | 68.38平米 | 南 | 简装’］） # 取出二手房的面积，并转换为浮点型 house.str.split（‘|’）.str［2］.str.strip（）.str［：-2］.astype（float）

三、数据筛选数据分析中如需对变量中的数值做子集筛选时，可以巧妙的使用下表中的几个函数，其中部分函数既可以使用在序列身上，也基本可以使用在数据框对象中。

np.random.seed（1234） x = pd.Series（np.random.randint（10，20，10）） # 筛选出16以上的元素 print（x.loc［x 》 16］） print（x.compress（x 》 16）） # 筛选出13~16之间的元素 print（x［x.between（13，16）］） # 取出最大的三个元素 print（x.nlargest（3）） y = pd.Series（［‘ID:1 name：张三 age:24 income:13500’， ‘ID:2 name：李四 age:27 income:25000’， ‘ID:3 name：王二 age:21 income:8000’］） # 取出年龄，并转换为整数 print（y.str.findall（‘age：（d+）’）.str［0］.astype（int））

四、绘图与元素级函数

np.random.seed（123） import matplotlib.pyplot as plt x = pd.Series（np.random.normal（10，3，1000）） # 绘制x直方图 x.hist（） # 显示图形 plt.show（） # 绘制x的箱线图 x.plot（kind=‘box’） plt.show（） installs = pd.Series（［‘1280万’，‘6.7亿’，‘2488万’，‘1892万’，‘9877’，‘9877万’，‘1.2亿’］） # 将安装量统一更改为“万”的单位 def transform（x）： if x.find（‘亿’） ！= -1： res = float（x［：-1］）*10000 elif x.find（‘万’） ！= -1： res = float（x［：-1］） else： res = float（x）/10000 return res installs.apply（transform）

五、时间序列函数

六、其他函数

import numpy as np import pandas as pd np.random.seed（112） x = pd.Series（np.random.randint（8，18，6）） print（x） # 对x中的元素做一阶差分 print（x.diff（）） # 对x中的元素做降序处理 print（x.sort_values（ascending = False）） y = pd.Series（np.random.randint（8，16，100）） # 将y中的元素做排重处理，并转换为列表对象 y.unique（）.tolist（）

原文标题：100 个 pandas 数据分析函数总结

文章出处：【微信公众号：数据分析与开发】欢迎添加关注！文章转载请注明出处。

责任编辑：haq