DataFrame

构造器

DataFrame \([data, index, columns, dtype, copy] )

二维、大小可变、可能是异类的表格数据。

属性和基础数据

Axes

DataFrame.index	DataFrame的索引(行标签)。
DataFrame.columns	DataFrame的列标签。

DataFrame.dtypes	返回DataFrame中的数据类型。
DataFrame.info \([verbose, buf, max_cols, ...] )	打印DataFrame的简明摘要。
DataFrame.select_dtypes \([include, exclude] )	根据列数据类型返回DataFrame的列的子集。
DataFrame.values	返回DataFrame的Numpy表示形式。
DataFrame.axes	返回表示DataFrame轴的列表。
DataFrame.ndim	返回一个整数，表示轴/数组的维数。
DataFrame.size	返回一个int，表示此对象中的元素数。
DataFrame.shape	返回表示DataFrame的维度的元组。
DataFrame.memory_usage \([index, deep] )	以字节为单位返回每列的内存使用情况。
DataFrame.empty	指示Series/DataFrame是否为空。
DataFrame.set_flags \(*[, copy, ...] )	返回一个具有更新标志的新对象。

转换

DataFrame.astype \(dtype[, copy, errors] )	将Pandas对象强制转换为指定的dtype dtype 。
DataFrame.convert_dtypes \([infer_objects, ...] )	使用支持的数据类型将列转换为最佳数据类型 pd.NA 。
DataFrame.infer_objects \()	尝试为对象列推断更好的数据类型。
DataFrame.copy \([deep] )	复制此对象的索引和数据。
DataFrame.bool \()	返回单个元素Series或DataFrame的布尔值。

索引、迭代

DataFrame.head \([n] )	返回第一个 n 排好了。
DataFrame.at	访问行/列标签对的单个值。
DataFrame.iat	按整数位置访问行/列对的单个值。
DataFrame.loc	通过标签或布尔数组访问一组行和列。
DataFrame.iloc	纯粹基于整数位置的索引，用于按位置选择。
DataFrame.insert \(位置，列，值[, ...] )	在DataFrame中的指定位置插入列。
DataFrame.__iter__ \()	在信息轴上迭代。
DataFrame.items \()	迭代(列名，系列)对。
DataFrame.iteritems \()	迭代(列名，系列)对。
DataFrame.keys \()	获取‘INFO轴’(参见索引了解更多信息)。
DataFrame.iterrows \()	将DataFrame行作为(索引，系列)对进行迭代。
DataFrame.itertuples \([index, name] )	将DataFrame行作为命名元组进行迭代。
DataFrame.lookup \(行_标签，列_标签)	(已弃用)DataFrame的基于标签的“奇特索引”函数。
DataFrame.pop \(项目)	返回项目并从框架中删除。
DataFrame.tail \([n] )	退还最后一张 n 排好了。
DataFrame.xs \(密钥[, axis, level, drop_level] )	从系列/数据帧返回横截面。
DataFrame.get \(密钥[, default] )	从给定键的对象中获取项(例如：DataFrame列)。
DataFrame.isin \(值)	DataFrame中的每个元素是否包含在值中。
DataFrame.where \(条件[, other, inplace, ...] )	替换条件为FALSE的值。
DataFrame.mask \(条件[, other, inplace, axis, ...] )	替换条件为True的值。
DataFrame.query \(表达式[, inplace] )	使用布尔表达式查询DataFrame的列。

有关以下内容的更多信息： .at ， .iat ， .loc ，以及 .iloc ，请参阅 indexing documentation 。

二元算子函数

DataFrame.add \(其他[, axis, level, fill_value] )	按元素(二元运算符)获取数据帧和其他元素的相加 add )。
DataFrame.sub \(其他[, axis, level, fill_value] )	获取数据帧和其他元素的减法(二元运算符 sub )。
DataFrame.mul \(其他[, axis, level, fill_value] )	获得数据帧和其他元素的乘法(二元运算符 mul )。
DataFrame.div \(其他[, axis, level, fill_value] )	按元素(二元运算符)获取数据帧和其他数据的浮点除法 truediv )。
DataFrame.truediv \(其他[, axis, level, ...] )	按元素(二元运算符)获取数据帧和其他数据的浮点除法 truediv )。
DataFrame.floordiv \(其他[, axis, level, ...] )	按元素(二元运算符)获取数据帧和其他数据的整数除法 floordiv )。
DataFrame.mod \(其他[, axis, level, fill_value] )	获取数据帧和其他元素的模数(二元运算符 mod )。
DataFrame.pow \(其他[, axis, level, fill_value] )	获得数据帧和其他元素的指数幂(二元运算符 pow )。
DataFrame.dot \(其他)	计算DataFrame和其他元素之间的矩阵乘法。
DataFrame.radd \(其他[, axis, level, fill_value] )	按元素(二元运算符)获取数据帧和其他元素的相加 radd )。
DataFrame.rsub \(其他[, axis, level, fill_value] )	获取数据帧和其他元素的减法(二元运算符 rsub )。
DataFrame.rmul \(其他[, axis, level, fill_value] )	获得数据帧和其他元素的乘法(二元运算符 rmul )。
DataFrame.rdiv \(其他[, axis, level, fill_value] )	按元素(二元运算符)获取数据帧和其他数据的浮点除法 rtruediv )。
DataFrame.rtruediv \(其他[, axis, level, ...] )	按元素(二元运算符)获取数据帧和其他数据的浮点除法 rtruediv )。
DataFrame.rfloordiv \(其他[, axis, level, ...] )	按元素(二元运算符)获取数据帧和其他数据的整数除法 rfloordiv )。
DataFrame.rmod \(其他[, axis, level, fill_value] )	获取数据帧和其他元素的模数(二元运算符 rmod )。
DataFrame.rpow \(其他[, axis, level, fill_value] )	获得数据帧和其他元素的指数幂(二元运算符 rpow )。
DataFrame.lt \(其他[, axis, level] )	获取小于数据帧和其他元素(二元运算符 lt )。
DataFrame.gt \(其他[, axis, level] )	获取数据帧和其他元素的大于(二元运算符 gt )。
DataFrame.le \(其他[, axis, level] )	按元素(二元运算符)获取小于或等于的数据帧和其他 le )。
DataFrame.ge \(其他[, axis, level] )	获取大于或等于数据帧和其他元素(二元运算符 ge )。
DataFrame.ne \(其他[, axis, level] )	Get Not等于of DataFrame and Other，以元素为单位(二元运算符 ne )。
DataFrame.eq \(其他[, axis, level] )	按元素(二元运算符)获取数据帧和其他的等于 eq )。
DataFrame.combine \(其他、函数 [, fill_value, ...] )	与另一个DataFrame执行列合并。
DataFrame.combine_first \(其他)	使用中相同位置的值更新空元素 other 。

函数应用程序，分组依据窗口(&W)

DataFrame.apply \(函数[, axis, raw, ...] )	沿DataFrame的轴应用函数。
DataFrame.applymap \(函数[, na_action] )	以元素方式将函数应用于数据帧。
DataFrame.pipe \(函数，*args, * *kwargs)	应用预期为Series或DataFrame的可链接函数。
DataFrame.agg \([func, axis] )	使用指定轴上的一个或多个操作进行聚合。
DataFrame.aggregate \([func, axis] )	使用指定轴上的一个或多个操作进行聚合。
DataFrame.transform \(函数[, axis] )	打电话 func 关于Self生成与Self具有相同轴形状的DataFrame。
DataFrame.groupby \([by, axis, level, ...] )	使用映射器或按一系列列对DataFrame进行分组。
DataFrame.rolling \(窗口[, min_periods, ...] )	提供滚动窗口计算。
DataFrame.expanding \([min_periods, center, ...] )	提供扩展窗口计算。
DataFrame.ewm \([com, span, halflife, alpha, ...] )	提供指数加权(EW)计算。

计算/描述性统计

DataFrame.abs \()	返回一个具有每个元素的绝对数值的Series/DataFrame。
DataFrame.all \([axis, bool_only, skipna, level] )	返回是否所有元素都为True，可能是在某个轴上。
DataFrame.any \([axis, bool_only, skipna, level] )	返回是否有任何元素为True，可能是在轴上。
DataFrame.clip \([lower, upper, axis, inplace] )	修剪输入阈值上的值。
DataFrame.corr \([method, min_periods, ...] )	计算列的成对关联，不包括NA/NULL值。
DataFrame.corrwith \(其他[, axis, drop, ...] )	计算成对相关。
DataFrame.count \([axis, level, numeric_only] )	对每列或每行的非NA单元格进行计数。
DataFrame.cov \([min_periods, ddof, numeric_only] )	计算列的成对协方差，不包括NA/NULL值。
DataFrame.cummax \([axis, skipna] )	返回DataFrame或Series轴上的累计最大值。
DataFrame.cummin \([axis, skipna] )	返回DataFrame或Series轴上的累计最小值。
DataFrame.cumprod \([axis, skipna] )	返回DataFrame或Series轴上的累计积。
DataFrame.cumsum \([axis, skipna] )	返回DataFrame或Series轴上的累计和。
DataFrame.describe \([percentiles, include, ...] )	生成描述性统计数据。
DataFrame.diff \([periods, axis] )	单元的一阶离散差分。
DataFrame.eval \(表达式[, inplace] )	计算描述DataFrame列上的操作的字符串。
DataFrame.kurt \([axis, skipna, level, ...] )	返回请求的轴上的无偏峰度。
DataFrame.kurtosis \([axis, skipna, level, ...] )	返回请求的轴上的无偏峰度。
DataFrame.mad \([axis, skipna, level] )	(已弃用)返回值在请求的轴上的平均绝对偏差。
DataFrame.max \([axis, skipna, level, ...] )	返回请求的轴上的最大值。
DataFrame.mean \([axis, skipna, level, ...] )	返回请求的轴上的值的平均值。
DataFrame.median \([axis, skipna, level, ...] )	返回值在请求的轴上的中位数。
DataFrame.min \([axis, skipna, level, ...] )	返回请求的轴上的最小值。
DataFrame.mode \([axis, numeric_only, dropna] )	获取沿所选轴的每个元素的模式。
DataFrame.pct_change \([periods, fill_method, ...] )	当前元素和前一个元素之间的百分比变化。
DataFrame.prod \([axis, skipna, level, ...] )	返回值在请求的轴上的乘积。
DataFrame.product \([axis, skipna, level, ...] )	返回值在请求的轴上的乘积。
DataFrame.quantile \([q, axis, numeric_only, ...] )	在请求的轴上返回给定分位数的值。
DataFrame.rank \([axis, method, numeric_only, ...] )	沿轴计算数值数据排名(从1到n)。
DataFrame.round \([decimals] )	将DataFrame四舍五入到小数位数可变。
DataFrame.sem \([axis, skipna, level, ddof, ...] )	返回请求轴上平均值的无偏标准误差。
DataFrame.skew \([axis, skipna, level, ...] )	返回请求的轴上的无偏斜。
DataFrame.sum \([axis, skipna, level, ...] )	返回请求的轴上的值的总和。
DataFrame.std \([axis, skipna, level, ddof, ...] )	返回要求轴上的样本标准偏差。
DataFrame.var \([axis, skipna, level, ddof, ...] )	返回请求的轴上的无偏差。
DataFrame.nunique \([axis, dropna] )	计算指定轴上的不同元素的数量。
DataFrame.value_counts \([subset, normalize, ...] )	返回包含DataFrame中唯一行计数的Series。

重建索引/选择/标签操作

DataFrame.add_prefix \(前缀)	使用字符串为标签添加前缀 prefix 。
DataFrame.add_suffix \(后缀)	使用字符串为标签添加后缀 suffix 。
DataFrame.align \(其他[, join, axis, level, ...] )	将两个对象的轴向与指定的联接方法对齐。
DataFrame.at_time \(时间[, asof, axis] )	选择一天中特定时间(例如上午9：30)的值。
DataFrame.between_time \(开始时间_时间，结束时间)	选择一天中特定时间(例如，上午9：00-9：30)之间的值。
DataFrame.drop \([labels, axis, index, ...] )	从行或列中删除指定的标签。
DataFrame.drop_duplicates \([subset, keep, ...] )	返回删除了重复行的DataFrame。
DataFrame.duplicated \([subset, keep] )	返回表示重复行的布尔系列。
DataFrame.equals \(其他)	测试两个对象是否包含相同的元素。
DataFrame.filter \([items, like, regex, axis] )	根据指定的索引标签子集数据帧的行或列。
DataFrame.first \(偏移)	根据日期偏移量选择时间序列数据的初始期间。
DataFrame.head \([n] )	返回第一个 n 排好了。
DataFrame.idxmax \([axis, skipna] )	返回在请求的轴上第一次出现最大值的索引。
DataFrame.idxmin \([axis, skipna] )	返回在请求的轴上第一次出现最小值的索引。
DataFrame.last \(偏移)	根据日期偏移量选择时间序列数据的最终期间。
DataFrame.reindex \([labels, index, columns, ...] )	使Series/DataFrame符合具有可选填充逻辑的新索引。
DataFrame.reindex_like \(其他[, method, ...] )	将索引匹配的对象作为其他对象返回。
DataFrame.rename \([mapper, index, columns, ...] )	更改轴标签。
DataFrame.rename_axis \([mapper, index, ...] )	设置索引或列的轴的名称。
DataFrame.reset_index \([level, drop, ...] )	重置索引或其级别。
DataFrame.sample \([n, frac, replace, ...] )	从对象轴返回项目的随机样本。
DataFrame.set_axis \(标签[, axis, inplace] )	将所需的索引指定给给定轴。
DataFrame.set_index \(密钥[, drop, append, ...] )	使用现有列设置DataFrame索引。
DataFrame.tail \([n] )	退还最后一张 n 排好了。
DataFrame.take \(索引[, axis, is_copy] )	返回给定元素中的元素 位置 沿轴的索引。
DataFrame.truncate \([before, after, axis, copy] )	在某些索引值之前和之后截断Series或DataFrame。

缺少数据处理

DataFrame.backfill \([axis, inplace, limit, ...] )	的同义词 DataFrame.fillna() 使用 method='bfill' 。
DataFrame.bfill \([axis, inplace, limit, downcast] )	的同义词 DataFrame.fillna() 使用 method='bfill' 。
DataFrame.dropna \([axis, how, thresh, ...] )	删除缺少的值。
DataFrame.ffill \([axis, inplace, limit, downcast] )	的同义词 DataFrame.fillna() 使用 method='ffill' 。
DataFrame.fillna \([value, method, axis, ...] )	使用指定的方法填充NA/NaN值。
DataFrame.interpolate \([method, axis, limit, ...] )	使用插值法填充NaN值。
DataFrame.isna \()	检测缺少的值。
DataFrame.isnull \()	DataFrame.isull是DataFrame.isna的别名。
DataFrame.notna \()	检测现有(非缺失)值。
DataFrame.notnull \()	DataFrame.notull是DataFrame.notna的别名。
DataFrame.pad \([axis, inplace, limit, downcast] )	的同义词 DataFrame.fillna() 使用 method='ffill' 。
DataFrame.replace \([to_replace, value, ...] )	替换中给出的值 to_replace 使用 value 。

重塑、排序、调换

DataFrame.droplevel \(级别[, axis] )	返回删除了请求的索引/列级别的Series/DataFrame。
DataFrame.pivot \([index, columns, values] )	返回按给定索引/列值组织的整形DataFrame。
DataFrame.pivot_table \([values, index, ...] )	将电子表格样式的数据透视表创建为DataFrame。
DataFrame.reorder_levels \(订单[, axis] )	使用输入顺序重新排列索引级别。
DataFrame.sort_values \(由[, axis, ascending, ...] )	按任一轴上的值排序。
DataFrame.sort_index \([axis, level, ...] )	按标签(沿轴)对对象进行排序。
DataFrame.nlargest \(n，列[, keep] )	返回第一个 n 行排序依据 columns 按降序排列。
DataFrame.nsmallest \(n，列[, keep] )	返回第一个 n 行排序依据 columns 按升序排列。
DataFrame.swaplevel \([i, j, axis] )	中交换级别i和j。 MultiIndex 。
DataFrame.stack \([level, dropna] )	从列到索引堆叠规定的级别。
DataFrame.unstack \([level, fill_value] )	透视一级(必须是分层的)索引标签。
DataFrame.swapaxes \(axis1、axis2[, copy] )	适当地互换轴和交换值轴。
DataFrame.melt \([id_vars, value_vars, ...] )	将DataFrame从宽格式取消透视为长格式，可以选择保留设置的标识符。
DataFrame.explode \(列[, ignore_index] )	将类似列表的每个元素转换为行，复制索引值。
DataFrame.squeeze \([axis] )	将1维轴对象压缩为标量。
DataFrame.to_xarray \()	从Pandas对象返回一个XARRAY对象。
DataFrame.T
DataFrame.transpose \(*参数[, copy] )	转置索引和列。

合并/比较/合并/合并

DataFrame.append \(其他[, ignore_index, ...] )	(已弃用)追加的行 other 到调用者的末尾，返回一个新对象。
DataFrame.assign \(** Kwargs)	将新列分配给DataFrame。
DataFrame.compare \(其他[, align_axis, ...] )	与另一个DataFrame进行比较并显示差异。
DataFrame.join \(其他[, on, how, lsuffix, ...] )	联接另一个DataFrame的列。
DataFrame.merge \(右[, how, on, left_on, ...] )	将DataFrame或命名系列对象与数据库样式联接合并。
DataFrame.update \(其他[, join, overwrite, ...] )	使用来自另一个DataFrame的非NA值就地修改。

与时间序列相关的

DataFrame.asfreq \(频率 [, method, how, ...] )	将时间序列转换为指定频率。
DataFrame.asof \(其中 [, subset] )	返回之前没有任何NAN的最后一行 where 。
DataFrame.shift \([periods, freq, axis, ...] )	使用可选时间按所需期间数移位索引 freq 。
DataFrame.slice_shift \([periods, axis] )	(已弃用)等同于 shift 而不复制数据。
DataFrame.tshift \([periods, freq, axis] )	(已弃用)移动时间索引，使用索引的频率(如果可用)。
DataFrame.first_valid_index \()	返回第一个非NA值的索引，如果没有找到非NA值，则返回NONE。
DataFrame.last_valid_index \()	返回最后一个非NA值的索引，如果没有找到非NA值，则返回NONE。
DataFrame.resample \(规则[, axis, closed, ...] )	重新采样时间序列数据。
DataFrame.to_period \([freq, axis, copy] )	将DataFrame从DatetimeIndex转换为PerodIndex。
DataFrame.to_timestamp \([freq, how, axis, copy] )	强制转换为时间戳的DatetimeIndex，位于 起头 属于那个时期。
DataFrame.tz_convert \(TZ[, axis, level, copy] )	将TZ感知轴转换为目标时区。
DataFrame.tz_localize \(TZ[, axis, level, ...] )	将Series或DataFrame的Tz-naive索引本地化到目标时区。

旗子

标志是指Pandas对象的属性。数据集的属性(如记录的日期、从中访问它的URL等)应存储在 DataFrame.attrs 。

Flags \(OBJ，*，允许_复制_标签)

适用于Pandas对象的标志。

元数据

DataFrame.attrs 是用于存储此DataFrame的全局元数据的字典。

警告

DataFrame.attrs 被认为是试验性的，可能会在没有警告的情况下发生变化。

DataFrame.attrs

此数据集的全局属性的字典。

标绘

DataFrame.plot 是表单的特定绘图方法的可调用方法和命名空间属性 DataFrame.plot.<kind> 。

DataFrame.plot \([x, y, kind, ax, ....] )

数据帧绘制访问器和方法

DataFrame.plot.area \([x, y] )	绘制堆叠面积图。
DataFrame.plot.bar \([x, y] )	垂直条形图。
DataFrame.plot.barh \([x, y] )	绘制水平条形图。
DataFrame.plot.box \([by] )	制作DataFrame列的框图。
DataFrame.plot.density \([bw_method, ind] )	使用高斯核生成核密度估计图。
DataFrame.plot.hexbin \(X，y[, C, ...] )	生成一个六角形的装箱图。
DataFrame.plot.hist \([by, bins] )	绘制DataFrame的列的一个直方图。
DataFrame.plot.kde \([bw_method, ind] )	使用高斯核生成核密度估计图。
DataFrame.plot.line \([x, y] )	将系列或数据帧绘制为线条。
DataFrame.plot.pie \(** Kwargs)	生成饼图。
DataFrame.plot.scatter \(X，y[, s, c] )	创建具有不同标记点大小和颜色的散点图。

DataFrame.boxplot \([column, by, ax, ...] )	从DataFrame列制作框图。
DataFrame.hist \([column, by, grid, ...] )	制作DataFrame的列的直方图。

稀疏访问器

稀疏数据类型特定的方法和属性在 DataFrame.sparse 访问者。

DataFrame.sparse.density

非稀疏点与总(密集)数据点的比率。

DataFrame.sparse.from_spmatrix \(数据[, ...] )	从大量稀疏矩阵创建新的DataFrame。
DataFrame.sparse.to_coo \()	以稀疏的SciPy COO矩阵形式返回帧的内容。
DataFrame.sparse.to_dense \()	将具有稀疏值的DataFrame转换为密集。

序列化/IO/转换

DataFrame.from_dict \(数据[, orient, dtype, ...] )	从类似数组的字典或字典构造DataFrame。
DataFrame.from_records \(数据[, index, ...] )	将结构化或录制ndarray转换为DataFrame。
DataFrame.to_parquet \([path, engine, ...] )	将DataFrame写入二进制拼图格式。
DataFrame.to_pickle \(路径[, compression, ...] )	Pickle(序列化)对象到文件。
DataFrame.to_csv \([path_or_buf, sep, na_rep, ...] )	将对象写入逗号分隔值(CSV)文件。
DataFrame.to_hdf \(路径_或_buf，键[, mode, ...] )	使用HDFStore将包含的数据写入HDF5文件。
DataFrame.to_sql \(名称，控制 [, schema, ...] )	将存储在DataFrame中的记录写入SQL数据库。
DataFrame.to_dict \([orient, into] )	将DataFrame转换为词典。
DataFrame.to_excel \(EXCEL_编写器[, ...] )	将对象写入Excel工作表。
DataFrame.to_json \([path_or_buf, orient, ...] )	将对象转换为JSON字符串。
DataFrame.to_html \([buf, columns, col_space, ...] )	将DataFrame呈现为HTML表。
DataFrame.to_feather \(路径， ** Kwargs)	将DataFrame写入二进制羽化格式。
DataFrame.to_latex \([buf, columns, ...] )	将对象呈现到LaTeX表格、长表或嵌套表。
DataFrame.to_stata \(路径[, convert_dates, ...] )	将DataFrame对象导出为Stata DTA格式。
DataFrame.to_gbq \(目的地_表[, ...] )	向Google BigQuery表编写一个DataFrame。
DataFrame.to_records \([index, column_dtypes, ...] )	将DataFrame转换为NumPy记录数组。
DataFrame.to_string \([buf, columns, ...] )	将DataFrame呈现为控制台友好的表格输出。
DataFrame.to_clipboard \([excel, sep] )	将对象复制到系统剪贴板。
DataFrame.to_markdown \([buf, mode, index, ...] )	以支持降价的格式打印DataFrame。
DataFrame.style	返回Styler对象。

上一页

pandas.Series.plot.pie

下一页

pandas.DataFrame