一般职能

数据操作

melt \(框架[, id_vars, value_vars, var_name, ...] )	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。
pivot \(数据[, index, columns, values] )	返回按给定索引/列值组织的整形DataFrame。
pivot_table \(数据[, values, index, columns, ...] )	将电子表格样式的数据透视表创建为DataFrame。
crosstab \(索引，列[, values, rownames, ...] )	计算两个(或更多)因素的简单交叉表。
cut \(X，垃圾箱[, right, labels, retbins, ...] )	将值存储到离散的间隔中。
qcut \(X，Q[, labels, retbins, precision, ...] )	基于分位数的离散化函数。
merge \(左、右[, how, on, left_on, ...] )	将DataFrame或命名系列对象与数据库样式联接合并。
merge_ordered \(左、右[, on, left_on, ...] )	使用可选填充/内插对有序数据执行合并。
merge_asof \(左、右[, on, left_on, ...] )	按关键点距离执行合并。
concat \(对象[, axis, join, ignore_index, ...] )	使用沿其他轴的可选设置逻辑沿特定轴连接Pandas对象。
get_dummies \(数据[, prefix, prefix_sep, ...] )	将类别变量转换为虚拟/指示变量。
factorize \(值[, sort, na_sentinel, size_hint] )	将对象编码为枚举类型或类别变量。
unique \(值)	根据哈希表返回唯一值。
wide_to_long \(df，存根名称，i，j[, sep, suffix] )	将DataFrame从宽格式取消透视为长格式。

顶级缺失数据

isna \(OBJ)	检测类似数组的对象的缺失值。
isnull \(OBJ)	检测类似数组的对象的缺失值。
notna \(OBJ)	检测类似数组的对象的非缺失值。
notnull \(OBJ)	检测类似数组的对象的非缺失值。

顶层处理数字数据

to_numeric \(参数[, errors, downcast] )

将参数转换为数值类型。

顶级处理类似日期时间的数据

to_datetime \(参数[, errors, dayfirst, ...] )	将参数转换为日期时间。
to_timedelta \(参数[, unit, errors] )	将参数转换为时间增量。
date_range \([start, end, periods, freq, tz, ...] )	返回固定频率的DatetimeIndex。
bdate_range \([start, end, periods, freq, tz, ...] )	返回固定频率的DatetimeIndex，默认频率为工作日。
period_range \([start, end, periods, freq, name] )	返回固定频率的周期索引。
timedelta_range \([start, end, periods, freq, ...] )	返回固定频率的TimedeltaIndex，默认频率为day。
infer_freq \(索引[, warn] )	在给定输入指数的情况下推断最可能的频率。

顶层处理区间数据

interval_range \([start, end, periods, freq, ...] )

返回固定频率的IntervalIndex。

顶层评估

eval \(表达式[, parser, engine, truediv, ...] )

使用各种后端将Python表达式作为字符串进行求值。

散列

util.hash_array \(VALS [, encoding, hash_key, ...] )	给定一个一维数组，返回一个确定性整数数组。
util.hash_pandas_object \(OBJ[, index, ...] )	返回Index/Series/DataFrame的数据哈希。

上一页

pandas.io.stata.StataWriter.write_file

下一页

pandas.melt