對於資料科學家，無論是資料分析還是資料探勘來說，Pandas是一個非常重要的Python包。它不僅提供了很多方法，使得資料處理非常簡單，同時在資料處理速度上也做了很多優化，使得和Python內建方法相比時有了很大的優勢。

如果你想學習Pandas，建議先看兩個網站。

在第一次學習Pandas的過程中，你會發現你需要記憶很多的函式和方法。所以在這裡我們彙總一下Pandas官方文件中比較常用的函式和方法，以方便大家記憶。同時，我們提供一個PDF版本，方便大家列印。pandas-cheat-sheet.pdf

關鍵縮寫和包匯入

在這個速查手冊中，我們使用如下縮寫：

df：任意的Pandas DataFrame物件 s：任意的Pandas Series物件

同時我們需要做如下的引入：

import pandas as pd import numpy as np

匯入資料

• pd.read_csv(filename)：從CSV檔案匯入資料
• pd.read_table(filename)：從限定分隔符的文字檔案匯入資料
• pd.read_excel(filename)：從Excel檔案匯入資料
• pd.read_sql(query, connection_object)：從SQL表/庫匯入資料
• pd.read_json(json_string)：從JSON格式的字串匯入資料
• pd.read_html(url)：解析URL、字串或者HTML檔案，抽取其中的tables表格
• pd.read_clipboard()：從你的貼上板獲取內容，並傳給read_table()
• pd.DataFrame(dict)：從字典物件匯入資料，Key是列名，Value是資料

匯出資料

• df.to_csv(filename)：匯出資料到CSV檔案
• df.to_excel(filename)：匯出資料到Excel檔案
• df.to_sql(table_name, connection_object)：匯出資料到SQL表
• df.to_json(filename)：以Json格式匯出資料到文字檔案

建立測試物件

• pd.DataFrame(np.random.rand(20,5))：建立20行5列的隨機陣列成的DataFrame物件
• pd.Series(my_list)：從可迭代物件my_list建立一個Series物件
• df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一個日期索引

檢視、檢查資料

• df.head(n)：檢視DataFrame物件的前n行
• df.tail(n)：檢視DataFrame物件的最後n行
• df.shape()：檢視行數和列數
• df.describe()：檢視數值型列的彙總統計
• s.value_counts(dropna=False)：檢視Series物件的唯一值和計數
• df.apply(pd.Series.value_counts)：檢視DataFrame物件中每一列的唯一值和計數

資料選取

• df[col]：根據列名，並以Series的形式返回列
• df[[col1, col2]]：以DataFrame形式返回多列
• s.iloc[0]：按位置選取資料
• s.loc['index_one']：按索引選取資料
• df.iloc[0,:]：返回第一行
• df.iloc[0,0]：返回第一列的第一個元素

資料清理

• df.columns = ['a','b','c']：重新命名列名
• pd.isnull()：檢查DataFrame物件中的空值，並返回一個Boolean陣列
• pd.notnull()：檢查DataFrame物件中的非空值，並返回一個Boolean陣列
• df.dropna()：刪除所有包含空值的行
• df.dropna(axis=1)：刪除所有包含空值的列
• df.dropna(axis=1,thresh=n)：刪除所有小於n個非空值的行
• df.fillna(x)：用x替換DataFrame物件中所有的空值
• s.astype(float)：將Series中的資料型別更改為float型別
• s.replace(1,'one')：用‘one’代替所有等於1的值
• s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3
• df.rename(columns=lambda x: x + 1)：批量更改列名
• df.rename(columns={'old_name': 'new_ name'})：選擇性更改列名
• df.set_index('column_one')：更改索引列
• df.rename(index=lambda x: x + 1)：批量重新命名索引

資料處理：Filter、Sort和GroupBy

• df[df[col] > 0.5]：選擇col列的值大於0.5的行
• df.sort_values(col1)：按照列col1排序資料，預設升序排列
• df.sort_values(col2, ascending=False)：按照列col1降序排列資料
• df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，後按col2降序排列資料
• df.groupby(col)：返回一個按列col進行分組的Groupby物件
• df.groupby([col1,col2])：返回一個按多列進行分組的Groupby物件
• df.groupby(col1)[col2]：返回按列col1進行分組後，列col2的均值
• df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：建立一個按列col1進行分組，並計算col2和col3的最大值的資料透視表
• df.groupby(col1).agg(np.mean)：返回按列col1分組的所有列的均值
• data.apply(np.mean)：對DataFrame中的每一列應用函式np.mean
• data.apply(np.max,axis=1)：對DataFrame中的每一行應用函式np.max

資料合併

• df1.append(df2)：將df2中的行新增到df1的尾部
• df.concat([df1, df2],axis=1)：將df2中的列新增到df1的尾部
• df1.join(df2,on=col1,how='inner')：對df1的列和df2的列執行SQL形式的join

資料統計

• df.describe()：檢視資料值列的彙總統計
• df.mean()：返回所有列的均值
• df.corr()：返回列與列之間的相關係數
• df.count()：返回每一列中的非空值的個數
• df.max()：返回每一列的最大值
• df.min()：返回每一列的最小值
• df.median()：返回每一列的中位數

• df.std()：返回每一列的標準差