|
Pandas 是一个功能强大的 Python 库，提供了许多用于数据操作和数据分析的 API。下面列举了一些常用的 Pandas API： - read_csv(): 从 CSV 文件中读取数据，并返回一个 DataFrame。
- read_excel(): 从 Excel 文件中读取数据，并返回一个 DataFrame。
- to_csv(): 将 DataFrame 写入 CSV 文件。
- to_excel(): 将 DataFrame 写入 Excel 文件。
- head(): 返回 DataFrame 的前几行。
- tail(): 返回 DataFrame 的后几行。
- info(): 显示 DataFrame 的基本信息，如列名、数据类型、缺失值等。
- describe(): 显示 DataFrame 的基本统计信息，如均值、标准差、最大值、最小值等。
- shape: 返回 DataFrame 的形状，即行数和列数。
- columns: 返回 DataFrame 的列名。
- index: 返回 DataFrame 的行索引。
- loc[]: 通过行标签和列标签获取 DataFrame 的元素。
- iloc[]: 通过行索引和列索引获取 DataFrame 的元素。
- query(): 使用查询语句从 DataFrame 中筛选数据。
- groupby(): 将 DataFrame 按照指定的列进行分组，并进行统计分析。
- sort_values(): 对 DataFrame 中的指定列进行排序。
- fillna(): 将 DataFrame 中的缺失值填充为指定的值。
- dropna(): 删除 DataFrame 中包含缺失值的行或列。
- apply(): 对 DataFrame 的每个元素应用指定的函数。
- merge(): 将两个 DataFrame 按照指定的列进行合并。
- concat(): 将多个 DataFrame 按照指定的方向进行连接。
- pivot_table(): 根据指定的列计算 DataFrame 的透视表。
以上仅是一部分常用的 Pandas API，还有很多其他的 API 可以根据实际需求进行选择和使用。使用这些 API 可以方便地进行数据操作和数据分析，并快速地得到需要的结果。
|
