社区教程
这是社区提供的许多 pandas 教程的指南，主要面向新用户。
由 Julia Evans 撰写的 pandas cookbook
这本 2015 年的 cookbook（由Julia Evans撰写）的目标是为您提供一些具体的示例，帮助您开始使用 pandas。这些都是使用真实数据的示例，以及所有相关的错误和怪异之处。有关目录，请参阅pandas-cookbook GitHub 仓库。
由 Stefanie Molin 撰写的 pandas 工作坊
由Stefanie Molin撰写的入门工作坊，旨在快速让您掌握 pandas，并使用真实世界数据集。内容涵盖了 pandas 入门、数据整理和数据可视化（同时也涉及到 matplotlib 和 seaborn）。pandas-workshop GitHub 仓库提供了详细的环境设置说明（包括 Binder 环境）、幻灯片和笔记本供跟随学习，以及练习来练习概念。还有一个实验室，提供了一个未在工作坊中涵盖的数据集的新练习，供额外练习。
由 Hernan Rojas 撰写的学习 pandas
一套面向新手 pandas 用户的课程：bitbucket.org/hrojas/learn-pandas
使用 Python 进行实用数据分析
这个指南是使用 Python 数据生态系统进行数据分析过程的介绍，以及一个有趣的开放数据集。有四个部分涵盖了选定主题，如munging data、aggregating data、visualizing data和time series。
新用户练习
通过真实数据集和练习来提升你的技能。更多资源，请访问主要仓库。## 现代 pandas
2016 年由Tom Augspurger撰写的教程系列。源代码可在 GitHub 仓库TomAugspurger/effective-pandas中找到。
使用 pandas、vincent 和 xlsxwriter 制作 Excel 图表
快乐的 pandas
由耿元浩撰写的中文教程。涵盖了 NumPy 和 pandas 的基本操作，4 种主要的数据操作方法（包括索引、分组、重塑和连接）以及 4 种主要的数据类型（包括缺失数据、字符串数据、分类数据和时间序列数据）。每章末尾都会发布相应的练习。所有数据集和相关材料都可以在 GitHub 仓库datawhalechina/joyful-pandas中找到。
视频教程
- 从零开始的 Pandas（2015）（2:24）GitHub 仓库
- Pandas 入门（2016）（1:28）GitHub 仓库
- Pandas：从.head()到.tail()（2016）（1:26）GitHub 仓库
- 使用 pandas 进行 Python 数据分析（2016-2018）GitHub 仓库和Jupyter Notebook
- 与 pandas 一起的最佳实践（2018）GitHub 仓库和Jupyter Notebook
各种教程
- Wes McKinney（pandas BDFL）的博客
- 使用 SciPy 和 pandas 数据框架在 Python 中轻松进行统计分析，由 Randal Olson 制作
- Python 中的统计数据分析，由 SciPy 2013 的 Christopher Fonnesbeck 制作的教程视频
- Thomas Wiecki 制作的 Python 中的金融分析
- Greg Reda 制作的 pandas 数据结构简介
- Pandas 数据框教程，由 Karlijn Willems 制作
- 具有真实生活示例的简明教程
- 由稻田一心制作的 430 多个可搜索的 Pandas 示例
由 Julia Evans 制作的 pandas 食谱
这本 2015 年的食谱书（由朱莉娅·埃文斯编写）的目标是为您提供一些具体的示例，帮助您开始使用熊猫。这些都是使用真实世界数据的示例，包括所有相关的错误和怪异之处。有关目录，请参阅pandas-cookbook GitHub 仓库。
Stefanie Molin 主持的熊猫工作坊
Stefanie Molin 主持的入门熊猫工作坊，旨在快速让您掌握熊猫，使用真实数据集。内容涵盖了熊猫入门、数据整理和数据可视化（并介绍了 matplotlib 和 seaborn）。pandas-workshop GitHub 仓库提供了详细的环境设置说明（包括 Binder 环境）、幻灯片和笔记本供跟随学习，以及练习来练习概念。还有一个实验室，提供了一些未在工作坊中涵盖的数据集的新练习，供额外练习。
通过 Hernan Rojas 学习熊猫
为新熊猫用户准备的一套课程：bitbucket.org/hrojas/learn-pandas
用 Python 进行实用数据分析
这个指南是一个介绍如何使用 Python 数据生态系统和一个有趣的开放数据集进行数据分析的过程。有四个部分涵盖了选定主题，如数据整理、数据聚合、数据可视化和时间序列。
新用户练习
通过真实数据集和练习来提升你的技能。更多资源，请访问主要仓库。
现代熊猫
2016 年由Tom Augspurger编写的教程系列。源代码可在 GitHub 仓库TomAugspurger/effective-pandas中找到。
使用熊猫、文森特和 xlsxwriter 制作 Excel 图表
快乐的熊猫
由耿元浩编写的中文教程。涵盖了 NumPy 和 pandas 的基本操作，4 种主要数据操作方法（包括索引、分组、重塑和连接）以及 4 种主要数据类型（包括缺失数据、字符串数据、分类数据和时间序列数据）。每章末尾都有相应的练习。所有数据集和相关材料都可以在 GitHub 仓库datawhalechina/joyful-pandas中找到。
视频教程
- 从零开始学习 Pandas (2015) (2:24) GitHub 仓库
- Pandas 入门 (2016) (1:28) GitHub 仓库
- Pandas: .head()到.tail() (2016) (1:26) GitHub 仓库
- 使用 pandas 在 Python 中进行数据分析 (2016-2018) GitHub 仓库 和 Jupyter Notebook
- 使用 pandas 的最佳实践 (2018) GitHub 仓库 和 Jupyter Notebook
各种教程
- Wes McKinney（pandas BDFL）的博客
- 使用 SciPy 和 pandas 数据框轻松进行 Python 统计分析，由 Randal Olson 提供
- Python 中的统计数据分析，由 SciPy 2013 的 Christopher Fonnesbeck 提供的教程视频
- Thomas Wiecki 提供的 Python 中的金融分析
- Greg Reda 提供的 pandas 数据结构简介
- Pandas 数据框教程，由 Karlijn Willems 提供
- 具有真实生活示例的简明教程
- 由 Inada Isshin 提供的 430 多个可搜索的 Pandas 示例
用户指南
用户指南涵盖了 pandas 的所有主题领域。每个子部分介绍一个主题（如“处理缺失数据”），并讨论 pandas 如何解决该问题，其中穿插着许多示例。
对于刚开始使用 pandas 的用户，应从 10 分钟入门 pandas 开始。
要了解 pandas 基础知识的高层摘要，请参阅数据结构简介和基本功能。
可以在 API 参考中获取有关任何特定方法的更多信息。
如何阅读这些指南
在这些指南中，您将看到代码块内的输入代码，例如：
import pandas as pd pd.DataFrame({'A': [1, 2, 3]})
或者：
In [1]: import pandas as pd In [2]: pd.DataFrame({'A': [1, 2, 3]}) Out[2]: A 0 1 1 2 2 3
第一个块是标准的 Python 输入，而第二个块中的 In [1]: 表示输入在一个笔记本中。在 Jupyter 笔记本中，最后一行会被打印出来，并且图表会内联显示。
例如：
In [3]: a = 1 In [4]: a Out[4]: 1
等同于：
a = 1 print(a)
指南
- 10 分钟入门 pandas
- pandas 中的基本数据结构
- 对象创建
- 查看数据
- 选择
- 缺失数据
- 操作
- 合并
- 分组
- 重塑
- 时间序列
- 分类数据
- 绘图
- 导入和导出数据
- 注意事项
- 数据结构简介
- Series
- 数据框
- 基本功能
- 头部和尾部
- 属性和底层数据
- 加速操作
- 灵活的二进制操作
- 描述性统计
- 函数应用
- 重新索引和更改标签
- 迭代
- .dt 访问器
- 矢量化字符串方法
- 排序
- 复制
- 数据类型
- 基于
dtype选择列
- IO 工具（文本，CSV，HDF5，…）
- CSV 和文本文件
- JSON
- HTML
- LaTeX
- XML
- Excel 文件
- OpenDocument 电子表格
- 二进制 Excel（.xlsb）文件
- Calamine（Excel 和 ODS 文件）
- 剪贴板
- Pickling
- 消息包
- HDF5（PyTables）
- Feather
- Parquet
- ORC
- SQL 查询
- Google BigQuery
- Stata 格式
- SAS 格式
- SPSS 格式
- 其他文件格式
- 性能考虑
- PyArrow 功能
- 数据结构集成
- 操作
- I/O 读取
- 索引和选择数据
- 不同的索引选择方式
- 基础知识
- 属性访问
- 切片范围
- 通过标签进行选择
- 通过位置进行选择
- 通过可调用对象进行选择
- 结合位置和基于标签的索引
- 选择随机样本
- 扩充设置
- 快速标量值获取和设置
- 布尔索引
- 使用 isin 进行索引
where()方法和掩码- 通过
numpy()有条件地扩充设置 query()方法- 重复数据
- 类似字典的
get()方法 - 通过索引/列标签查找数值
- 索引对象
- 设置/重置索引
- 返回视图还是副本
- MultiIndex / 高级索引
- 分层索引（MultiIndex）
- 使用分层索引进行高级索引
- 对
MultiIndex进行排序 - 取值方法
- 索引类型
- 杂项索引常见问题解答
- 写时复制（CoW）
- 先前的行为
- 迁移至写时复制
- 描述
- 链式赋值
- 只读的 NumPy 数组
- 要避免的模式
- 写时复制优化
- 如何启用 CoW
- 合并、连接、串联和比较
concat()merge()DataFrame.join()merge_ordered()merge_asof()compare()
- 重塑和透视表
pivot()和pivot_table()stack()和unstack()melt()和wide_to_long()get_dummies()和from_dummies()explode()crosstab()cut()factorize()
- 处理文本数据
- 文本数据类型
- 字符串方法
- 拆分和替换字符串
- 串联
- 使用
.str进行索引 - 提取子字符串
- 测试匹配或包含模式的字符串
- 创建指示变量
- 方法摘要
- 处理缺失数据
- 被视为“缺失”的值
NA语义- 插入缺失数据
- 处理缺失数据的计算
- 丢弃缺失数据
- 填充缺失数据
- 重复标签
- 重复标签的后果
- 重复标签检测
- 禁止重复标签
- 分类数据
- 对象创建
- CategoricalDtype
- 描述
- 处理分类数据
- 排序和顺序
- 比较
- 操作
- 数据整理
- 数据的输入/输出
- 缺失数据
- 与 R 的
factor的差异 - 注意事项
- 可空整数数据类型
- 构造
- 操作
- 标量 NA 值
- 可空布尔数据类型
- 带 NA 值的索引
- Kleene 逻辑操作
- 图表可视化
- 基本绘图：
plot - 其他图表
- 绘制缺失数据
- 绘图工具
- 绘图格式化
- 直接使用 Matplotlib 绘图
- 绘图后端
- 表可视化
- 样式化对象和自定义显示
- 格式化显示
- 样式化对象和 HTML
- 添加样式的方法
- 表样式
- 设置类和链接到外部 CSS
- 样式化函数
- 工具提示和标题
- 使用切片进行更精细的控制
- 优化
- 内置样式
- 共享样式
- 限制
- 其他有趣和有用的功能
- 导出到 Excel
- 导出到 LaTeX
- 关于 CSS 和 HTML 的更多信息
- 可扩展性
- 分组：拆分-应用-组合
- 将对象分组
- 遍历分组
- 选择一个分组
- 聚合
- 转换
- 过滤
- 灵活的
apply - Numba 加速例程
- 其他有用的功能
- 示例
- 窗口操作
- 概览
- 滚动窗口
- 加权窗口
- 扩展窗口
- 指数加权窗口
- 时间序列/日期功能
- 概览
- 时间戳 vs. 时间跨度
- 转换为时间戳
- Generating ranges of timestamps
- Timestamp limitations
- Indexing
- Time/date components
- DateOffset objects
- Time Series-related instance methods
- Resampling
- Time span representation
- Converting between representations
- Representing out-of-bounds spans
- Time zone handling
- Time deltas
- Parsing
- Operations
- Reductions
- Frequency conversion
- Attributes
- TimedeltaIndex
- Resampling
- Options and settings
- Overview
- Available options
- Getting and setting options
- Setting startup options in Python/IPython environment
- Frequently used options
- Number formatting
- Unicode formatting
- Table schema display
- Enhancing performance
- Cython (writing C extensions for pandas)
- Numba (JIT compilation)
- Expression evaluation via
eval()
- Scaling to large datasets
- Load less data
- Use efficient datatypes
- Use chunking
- Use Other Libraries
- Sparse data structures
- SparseArray
- SparseDtype
- Sparse accessor
- Sparse calculation
- Interaction with scipy.sparse
- Frequently Asked Questions (FAQ)
- DataFrame memory usage
- Using if/truth statements with pandas
- Mutating with User Defined Function (UDF) methods
- Missing value representation for NumPy types
- Differences with NumPy
- Thread-safety
- 字节顺序问题
- 食谱
- 习惯用法
- 选择
- 多索引
- 缺失数据
- 分组
- 时间序列
- 合并
- 绘图
- 数据输入/输出
- 计算
- 时间增量
- 创建示例数据
- 常量序列
如何阅读这些指南
在这些指南中，您将看到代码块中的输入代码，例如：
import pandas as pd pd.DataFrame({'A': [1, 2, 3]})
或者：
In [1]: import pandas as pd In [2]: pd.DataFrame({'A': [1, 2, 3]}) Out[2]: A 0 1 1 2 2 3
第一个块是标准的 Python 输入，而第二个块中的 In [1]: 表示输入位于 笔记本 中。在 Jupyter 笔记本中，最后一行被打印出来，图表在行内显示。
例如：
In [3]: a = 1 In [4]: a Out[4]: 1
等价于：
a = 1 print(a)
指南
- pandas 十分钟入门
- pandas 中的基本数据结构
- 对象创建
- 查看数据
- 选择
- 缺失数据
- 操作
- 合并
- 分组
- 重塑
- 时间序列
- 类别
- 绘图
- 导入和导出数据
- 注意事项
- 数据结构简介
- 序列
- 数据框
- 基本要点
- 头部和尾部
- 属性和底层数据
- 加速操作
- 灵活的二进制操作
- 描述统计
- 函数应用
- 重新索引和修改标签
- 迭代
- .dt 访问器
- 向量化字符串方法
- 排序
- 复制
- 数据类型
- 基于
dtype选择列
- IO 工具（文本、CSV、HDF5 等）
- CSV 和文本文件
- JSON
- HTML
- LaTeX
- XML
- Excel 文件
- OpenDocument 电子表格
- 二进制 Excel（.xlsb）文件
- Calamine（Excel 和 ODS 文件）
- 剪贴板
- 腌制
- msgpack
- HDF5（PyTables）
- Feather
- Parquet
- ORC
- SQL 查询
- Google BigQuery
- Stata 格式
- SAS 格式
- SPSS 格式
- 其他文件格式
- 性能考虑
- PyArrow 功能
- 数据结构集成
- 操作
- 输入/输出读取
- 索引和选择数据
- 索引的不同选择
- 基础知识
- 属性访问
- 切片范围
- 按标签选择
- 按位置选择
- 通过可调用进行选择
- 结合位置和基于标签的索引
- 选择随机样本
- 带扩展的设置
- 快速标量值获取和设置
- 布尔索引
- 使用 isin 进行索引
where()方法和掩码- 使用
numpy()条件性地扩大设置 query()方法- 重复数据
- 类似字典的
get()方法 - 通过索引/列标签查找值
- 索引对象
- 设置/重置索引
- 返回视图与副本
- MultiIndex / 高级索引
- 分层索引（MultiIndex）
- 具有分层索引的高级索引
MultiIndex的排序- Take 方法
- 索引类型
- 杂项索引 FAQ
- 写时复制（CoW）
- 之前的行为
- 迁移到写时复制
- 描述
- 链式赋值
- 只读 NumPy 数组
- 要避免的模式
- 写时复制优化
- 如何启用 CoW
- 合并、连接、串联和比较
concat()merge()DataFrame.join()merge_ordered()merge_asof()compare()
- 重塑和数据透视表
pivot()和pivot_table()stack()和unstack()melt()和wide_to_long()get_dummies()和from_dummies()explode()crosstab()cut()factorize()
- 处理文本数据
- 文本数据类型
- 字符串方法
- 字符串拆分和替换
- 串联
- 使用
.str进行索引 - 提取子字符串
- 测试匹配或包含模式的字符串
- 创建指示变量
- 方法摘要
- 处理缺失数据
- 被视为“缺失”的值
NA语义- 插入缺失数据
- 处理带有缺失数据的计算
- 删除缺失数据
- 填充缺失数据
- 重复标签
- 重复标签的后果
- 重复标签检测
- 不允许重复标签
- 分类数据
- 对象创建
- CategoricalDtype
- 描述
- 处理分类数据
- 排序和顺序
- 比较
- 操作
- 数据整理
- 数据的输入输出
- 缺失数据
- 与 R 的
factor的差异 - 注意事项
- 可空整数数据类型
- 构造
- 操作
- 标量 NA 值
- 可空布尔数据类型
- 带有 NA 值的索引
- 克里尼逻辑操作
- 图表可视化
- 基本绘图：
plot - 其他图表
- 绘制带有缺失数据的图表
- 绘图工具
- 绘图格式化
- 直接使用 Matplotlib 绘图
- 绘图后端
- 表格可视化
- 样式对象和自定义显示
- 格式化显示
- 样式对象和 HTML
- 添加样式的方法
- 表格样式
- 设置类和链接到外部 CSS
- 样式函数
- 工具提示和标题
- 使用切片进行精细控制
- 优化
- 内置样式
- 共享样式
- 限制
- 其他有趣且有用的内容
- 导出到 Excel
- 导出到 LaTeX
- 更多关于 CSS 和 HTML
- 可扩展性
- 分组：分割-应用-合并
- 将对象拆分成组
- 遍历组
- 选择一组
- 聚合
- 变换
- 过滤
- 灵活的
apply - Numba 加速例程
- 其他有用功能
- 示例
- 窗口操作
- 概述
- 滚动窗口
- 加权窗口
- 扩展窗口
- 指数加权窗口
- 时间序列/日期功能
- 概述
- 时间戳 vs. 时间跨度
- 转换为时间戳
- 生成时间戳范围
- 时间戳限制
- 索引
- 时间/日期组件
- DateOffset 对象
- 与时间序列相关的实例方法
- 重新取样
- 时间跨度表示
- 在不同表示之间转换
- 表示越界跨度
- 时区处理
- 时间增量
- 解析
- 操作
- 减少
- 频率转换
- 属性
- TimedeltaIndex
- 重新取样
- 选项和设置
- 概述
- 可用选项
- 获取和设置选项
- 在 Python/IPython 环境中设置启动选项
- 常用选项
- 数字格式化
- Unicode 格式化
- 表模式显示
- 增强性能
- Cython（为 pandas 编写 C 扩展）
- Numba（JIT 编译）
eval()表达式评估
- 扩展到大数据集
- 减少数据加载
- 使用高效数据类型
- 使用分块
- 使用其他库
- 稀疏数据结构
- SparseArray
- SparseDtype
- 稀疏访问器
- 稀疏计算
- 与 scipy.sparse 的交互
- 常见问题解答（FAQ）
- DataFrame 内存使用情况
- 与 pandas 一起使用 if/真值语句
- 使用用户定义函数 (UDF) 方法进行突变
- NumPy 类型的缺失值表示
- 与 NumPy 的差异
- 线程安全
- 字节顺序问题
- 食谱
- 习语
- 选择
- 多级索引
- 缺失数据
- 分组
- 时间序列
- 合并
- 绘图
- 数据输入/输出
- 计算
- 时间增量
- 创建示例数据
- 常数序列
pandas 十分钟入门
这是针对新用户的 pandas 的简短介绍。您可以在食谱中查看更复杂的示例。
通常，我们按照以下方式导入：
In [1]: import numpy as np In [2]: import pandas as pd
pandas 中的基本数据结构
Pandas 提供了两种处理数据的类：
Series：一个一维带标签的数组，保存任何类型的数据
例如整数、字符串、Python 对象等。DataFrame：一种二维数据结构，类似于二维数组或带有行和列的表。
对象创建
参见数据结构介绍部分。
通过传递值列表来创建一个Series，让 pandas 创建一个默认的RangeIndex。
In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8]) In [4]: s Out[4]: 0 1.0 1 3.0 2 5.0 3 NaN 4 6.0 5 8.0 dtype: float64
通过传递具有日期时间索引和标记列的 NumPy 数组使用date_range()和标记列来创建一个DataFrame：
In [5]: dates = pd.date_range("20130101", periods=6) In [6]: dates Out[6]: DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D') In [7]: df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD")) In [8]: df Out[8]: A B C D 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 2013-01-04 0.721555 -0.706771 -1.039575 0.271860 2013-01-05 -0.424972 0.567020 0.276232 -1.087401 2013-01-06 -0.673690 0.113648 -1.478427 0.524988
通过传递一个对象字典来创建一个DataFrame，其中键是列标签，值是列值。
In [9]: df2 = pd.DataFrame( ...: { ...: "A": 1.0, ...: "B": pd.Timestamp("20130102"), ...: "C": pd.Series(1, index=list(range(4)), dtype="float32"), ...: "D": np.array([3] * 4, dtype="int32"), ...: "E": pd.Categorical(["test", "train", "test", "train"]), ...: "F": "foo", ...: } ...: ) ...: In [10]: df2 Out[10]: A B C D E F 0 1.0 2013-01-02 1.0 3 test foo 1 1.0 2013-01-02 1.0 3 train foo 2 1.0 2013-01-02 1.0 3 test foo 3 1.0 2013-01-02 1.0 3 train foo
结果DataFrame的列具有不同的 dtypes：
In [11]: df2.dtypes Out[11]: A float64 B datetime64[s] C float32 D int32 E category F object dtype: object
如果您正在使用 IPython，则会自动启用列名（以及公共属性）的选项完成。这是将完成的属性的子集：
In [12]: df2.<TAB> # noqa: E225, E999 df2.A df2.bool df2.abs df2.boxplot df2.add df2.C df2.add_prefix df2.clip df2.add_suffix df2.columns df2.align df2.copy df2.all df2.count df2.any df2.combine df2.append df2.D df2.apply df2.describe df2.applymap df2.diff df2.B df2.duplicated
如您所见，列A、B、C和D都已自动完成。E和F也是如此；其余的属性由于篇幅被截断。
查看数据
参见基本功能部分。
使用DataFrame.head()和DataFrame.tail()分别查看框架的顶部和底部行：
In [13]: df.head() Out[13]: A B C D 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 2013-01-04 0.721555 -0.706771 -1.039575 0.271860 2013-01-05 -0.424972 0.567020 0.276232 -1.087401 In [14]: df.tail(3) Out[14]: A B C D 2013-01-04 0.721555 -0.706771 -1.039575 0.271860 2013-01-05 -0.424972 0.567020 0.276232 -1.087401 2013-01-06 -0.673690 0.113648 -1.478427 0.524988
显示DataFrame.index或DataFrame.columns：
In [15]: df.index Out[15]: DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D') In [16]: df.columns Out[16]: Index(['A', 'B', 'C', 'D'], dtype='object')
使用DataFrame.to_numpy()返回底层数据的 NumPy 表示形式，不包括索引或列标签：
In [17]: df.to_numpy() Out[17]: array([[ 0.4691, -0.2829, -1.5091, -1.1356], [ 1.2121, -0.1732, 0.1192, -1.0442], [-0.8618, -2.1046, -0.4949, 1.0718], [ 0.7216, -0.7068, -1.0396, 0.2719], [-0.425 , 0.567 , 0.2762, -1.0874], [-0.6737, 0.1136, -1.4784, 0.525 ]])
注意
NumPy 数组整个数组有一个 dtype，而 pandas DataFrames 每列有一个 dtype。当您调用 DataFrame.to_numpy()，pandas 将找到可以容纳 DataFrame 中 所有 dtypes 的 NumPy dtype。如果通用数据类型是 object，DataFrame.to_numpy() 将需要复制数据。
In [18]: df2.dtypes Out[18]: A float64 B datetime64[s] C float32 D int32 E category F object dtype: object In [19]: df2.to_numpy() Out[19]: array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']], dtype=object)
describe() 显示数据的快速统计摘要：
In [20]: df.describe() Out[20]: A B C D count 6.000000 6.000000 6.000000 6.000000 mean 0.073711 -0.431125 -0.687758 -0.233103 std 0.843157 0.922818 0.779887 0.973118 min -0.861849 -2.104569 -1.509059 -1.135632 25% -0.611510 -0.600794 -1.368714 -1.076610 50% 0.022070 -0.228039 -0.767252 -0.386188 75% 0.658444 0.041933 -0.034326 0.461706 max 1.212112 0.567020 0.276232 1.071804
转置您的数据：
In [21]: df.T Out[21]: 2013-01-01 2013-01-02 2013-01-03 2013-01-04 2013-01-05 2013-01-06 A 0.469112 1.212112 -0.861849 0.721555 -0.424972 -0.673690 B -0.282863 -0.173215 -2.104569 -0.706771 0.567020 0.113648 C -1.509059 0.119209 -0.494929 -1.039575 0.276232 -1.478427 D -1.135632 -1.044236 1.071804 0.271860 -1.087401 0.524988
DataFrame.sort_index() 按轴排序：
In [22]: df.sort_index(axis=1, ascending=False) Out[22]: D C B A 2013-01-01 -1.135632 -1.509059 -0.282863 0.469112 2013-01-02 -1.044236 0.119209 -0.173215 1.212112 2013-01-03 1.071804 -0.494929 -2.104569 -0.861849 2013-01-04 0.271860 -1.039575 -0.706771 0.721555 2013-01-05 -1.087401 0.276232 0.567020 -0.424972 2013-01-06 0.524988 -1.478427 0.113648 -0.673690
DataFrame.sort_values() 按值排序：
In [23]: df.sort_values(by="B") Out[23]: A B C D 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 2013-01-04 0.721555 -0.706771 -1.039575 0.271860 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-06 -0.673690 0.113648 -1.478427 0.524988 2013-01-05 -0.424972 0.567020 0.276232 -1.087401
选择
注意
当选择和设置标准 Python / NumPy 表达式对于交互式工作来说直观且方便，但对于生产代码，我们推荐优化的 pandas 数据访问方法，DataFrame.at()，DataFrame.iat()，DataFrame.loc() 和 DataFrame.iloc()。
查看索引文档 索引和选择数据 和 MultiIndex / 高级索引。
Getitem ([])
对于 DataFrame，传递单个标签选择一个列并产生等同于 df.A 的 Series：
In [24]: df["A"] Out[24]: 2013-01-01 0.469112 2013-01-02 1.212112 2013-01-03 -0.861849 2013-01-04 0.721555 2013-01-05 -0.424972 2013-01-06 -0.673690 Freq: D, Name: A, dtype: float64
对于 DataFrame，传递一个切片 : 选择匹配的行：
In [25]: df[0:3] Out[25]: A B C D 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 In [26]: df["20130102":"20130104"] Out[26]: A B C D 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 2013-01-04 0.721555 -0.706771 -1.039575 0.271860
按标签选择
在 按标签选择 中查看更多使用 DataFrame.loc() 或 DataFrame.at()。
选择匹配标签的行：
In [27]: df.loc[dates[0]] Out[27]: A 0.469112 B -0.282863 C -1.509059 D -1.135632 Name: 2013-01-01 00:00:00, dtype: float64
选择所有行（:）与选择列标签：
In [28]: df.loc[:, ["A", "B"]] Out[28]: A B 2013-01-01 0.469112 -0.282863 2013-01-02 1.212112 -0.173215 2013-01-03 -0.861849 -2.104569 2013-01-04 0.721555 -0.706771 2013-01-05 -0.424972 0.567020 2013-01-06 -0.673690 0.113648
对于标签切片，两个端点都是 包含 的：
In [29]: df.loc["20130102":"20130104", ["A", "B"]] Out[29]: A B 2013-01-02 1.212112 -0.173215 2013-01-03 -0.861849 -2.104569 2013-01-04 0.721555 -0.706771
选择单行和列标签返回一个标量：
In [30]: df.loc[dates[0], "A"] Out[30]: 0.4691122999071863
为了快速访问标量（等同于先前的方法）：
In [31]: df.at[dates[0], "A"] Out[31]: 0.4691122999071863
按位置选择
在按位置选择中使用DataFrame.iloc()或DataFrame.iat()查看更多。
通过传递的整数位置选择：
In [32]: df.iloc[3] Out[32]: A 0.721555 B -0.706771 C -1.039575 D 0.271860 Name: 2013-01-04 00:00:00, dtype: float64
整数切片类似于 NumPy/Python：
In [33]: df.iloc[3:5, 0:2] Out[33]: A B 2013-01-04 0.721555 -0.706771 2013-01-05 -0.424972 0.567020
整数位置位置的列表：
In [34]: df.iloc[[1, 2, 4], [0, 2]] Out[34]: A C 2013-01-02 1.212112 0.119209 2013-01-03 -0.861849 -0.494929 2013-01-05 -0.424972 0.276232
明确切片行：
In [35]: df.iloc[1:3, :] Out[35]: A B C D 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804
明确切片列：
In [36]: df.iloc[:, 1:3] Out[36]: B C 2013-01-01 -0.282863 -1.509059 2013-01-02 -0.173215 0.119209 2013-01-03 -2.104569 -0.494929 2013-01-04 -0.706771 -1.039575 2013-01-05 0.567020 0.276232 2013-01-06 0.113648 -1.478427
明确获取一个值：
In [37]: df.iloc[1, 1] Out[37]: -0.17321464905330858
快速访问标量（等同于先前的方法）：
In [38]: df.iat[1, 1] Out[38]: -0.17321464905330858
布尔索引
选择df.A大于0的行。
In [39]: df[df["A"] > 0] Out[39]: A B C D 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 2013-01-04 0.721555 -0.706771 -1.039575 0.271860
从满足布尔条件的DataFrame中选择值：
In [40]: df[df > 0] Out[40]: A B C D 2013-01-01 0.469112 NaN NaN NaN 2013-01-02 1.212112 NaN 0.119209 NaN 2013-01-03 NaN NaN NaN 1.071804 2013-01-04 0.721555 NaN NaN 0.271860 2013-01-05 NaN 0.567020 0.276232 NaN 2013-01-06 NaN 0.113648 NaN 0.524988
使用isin()方法进行过滤：
In [41]: df2 = df.copy() In [42]: df2["E"] = ["one", "one", "two", "three", "four", "three"] In [43]: df2 Out[43]: A B C D E 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 one 2013-01-02 1.212112 -0.173215 0.119209 -1.044236 one 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 two 2013-01-04 0.721555 -0.706771 -1.039575 0.271860 three 2013-01-05 -0.424972 0.567020 0.276232 -1.087401 four 2013-01-06 -0.673690 0.113648 -1.478427 0.524988 three In [44]: df2[df2["E"].isin(["two", "four"])] Out[44]: A B C D E 2013-01-03 -0.861849 -2.104569 -0.494929 1.071804 two 2013-01-05 -0.424972 0.567020 0.276232 -1.087401 four
设置
设置新列会自动通过索引对齐数据：
In [45]: s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range("20130102", periods=6)) In [46]: s1 Out[46]: 2013-01-02 1 2013-01-03 2 2013-01-04 3 2013-01-05 4 2013-01-06 5 2013-01-07 6 Freq: D, dtype: int64 In [47]: df["F"] = s1
按标签设置值：
In [48]: df.at[dates[0], "A"] = 0
按位置设置值：
In [49]: df.iat[0, 1] = 0
通过分配 NumPy 数组进行设置：
In [50]: df.loc[:, "D"] = np.array([5] * len(df))
先前设置操作的结果：
In [51]: df Out[51]: A B C D F 2013-01-01 0.000000 0.000000 -1.509059 5.0 NaN 2013-01-02 1.212112 -0.173215 0.119209 5.0 1.0 2013-01-03 -0.861849 -2.104569 -0.494929 5.0 2.0 2013-01-04 0.721555 -0.706771 -1.039575 5.0 3.0 2013-01-05 -0.424972 0.567020 0.276232 5.0 4.0 2013-01-06 -0.673690 0.113648 -1.478427 5.0 5.0
使用设置的where操作：
In [52]: df2 = df.copy() In [53]: df2[df2 > 0] = -df2 In [54]: df2 Out[54]: A B C D F 2013-01-01 0.000000 0.000000 -1.509059 -5.0 NaN 2013-01-02 -1.212112 -0.173215 -0.119209 -5.0 -1.0 2013-01-03 -0.861849 -2.104569 -0.494929 -5.0 -2.0 2013-01-04 -0.721555 -0.706771 -1.039575 -5.0 -3.0 2013-01-05 -0.424972 -0.567020 -0.276232 -5.0 -4.0 2013-01-06 -0.673690 -0.113648 -1.478427 -5.0 -5.0
Pandas 2.2 中文官方教程和指南（七）（2）https://developer.aliyun.com/article/1509748
