数据帧#

构造函数#

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

二维、大小可变、可能异构的表格数据。

属性和底层数据#

轴

DataFrame.index

数据帧的索引（行标签）。

DataFrame.columns

数据帧的列标签。

DataFrame.dtypes

返回数据帧中的数据类型。

DataFrame.info([verbose, buf, max_cols, ...])

打印数据帧的简洁摘要。

DataFrame.select_dtypes([include, exclude])

根据列数据类型返回数据帧列的子集。

DataFrame.values

返回数据帧的 NumPy 表示。

DataFrame.axes

返回表示数据帧轴的列表。

DataFrame.ndim

返回表示轴/数组维数的整数。

DataFrame.size

返回表示此对象中元素数量的整数。

DataFrame.shape

返回表示数据帧维度的元组。

DataFrame.memory_usage([index, deep])

返回每列的内存使用量（以字节为单位）。

DataFrame.empty

指示 Series/DataFrame 是否为空。

DataFrame.set_flags(*[, copy, ...])

返回具有更新标志的新对象。

转换#

DataFrame.astype(dtype[, copy, errors])

将 pandas 对象转换为指定的数据类型 dtype。

DataFrame.convert_dtypes([infer_objects, ...])

使用支持 pd.NA 的数据类型将列转换为最佳可能的数据类型。

DataFrame.infer_objects([copy])

尝试为对象列推断出更好的数据类型。

DataFrame.copy([deep])

复制此对象的索引和数据。

DataFrame.bool()

(已弃用) 返回单个元素 Series 或 DataFrame 的布尔值。

索引，迭代#

DataFrame.head([n])

返回前 n 行。

DataFrame.at

访问行/列标签对的单个值。

DataFrame.iat

通过整数位置访问行/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

(已弃用) 纯粹基于整数位置的索引，用于按位置进行选择。

DataFrame.insert(loc, column, value[, ...])

在指定位置将列插入 DataFrame 中。

DataFrame.__iter__()

遍历信息轴。

DataFrame.items()

遍历 (列名，Series) 对。

DataFrame.keys()

获取“信息轴”（有关更多信息，请参见索引）。

DataFrame.iterrows()

将 DataFrame 行作为 (索引，Series) 对进行迭代。

DataFrame.itertuples([index, name])

将 DataFrame 行作为命名元组进行迭代。

DataFrame.pop(item)

返回项目并从框架中删除。

DataFrame.tail([n])

返回最后 n 行。

DataFrame.xs(key[, axis, level, drop_level])

从 Series/DataFrame 返回横截面。

DataFrame.get(key[, default])

获取给定键的对象中的项目（例如：DataFrame 列）。

DataFrame.isin(values)

判断 DataFrame 中的每个元素是否包含在 values 中。

DataFrame.where(cond[, other, inplace, ...])

替换条件为 False 的值。

DataFrame.mask(cond[, other, inplace, axis, ...])

替换条件为 True 的值。

DataFrame.query(expr, *[, inplace])

使用布尔表达式查询 DataFrame 的列。

有关 .at、.iat、.loc 和 .iloc 的更多信息，请参见 索引文档。

二元运算符函数#

DataFrame.__add__(other)

获取 DataFrame 和 other 的加法，按列进行。

DataFrame.add(other[, axis, level, fill_value])

获取 DataFrame 和 other 的加法，逐元素进行（二元运算符 add）。

DataFrame.sub(other[, axis, level, fill_value])

获取 DataFrame 和 other 的减法，逐元素进行（二元运算符 sub）。

DataFrame.mul(other[, axis, level, fill_value])

获取 DataFrame 和 other 的乘法，逐元素进行（二元运算符 mul）。

DataFrame.div(other[, axis, level, fill_value])

获取 DataFrame 和 other 的浮点除法，逐元素进行（二元运算符 truediv）。

DataFrame.truediv(other[, axis, level, ...])

获取 DataFrame 和 other 的浮点除法，逐元素进行（二元运算符 truediv）。

DataFrame.floordiv(other[, axis, level, ...])

获取 DataFrame 和 other 的整数除法，逐元素进行（二元运算符 floordiv）。

DataFrame.mod(other[, axis, level, fill_value])

获取数据帧和另一个对象的模，逐元素（二元运算符 mod）。

DataFrame.pow(other[, axis, level, fill_value])

获取数据帧和另一个对象的指数幂，逐元素（二元运算符 pow）。

DataFrame.dot(other)

计算数据帧和另一个对象之间的矩阵乘法。

DataFrame.radd(other[, axis, level, fill_value])

获取数据帧和另一个对象的加法，逐元素（二元运算符 radd）。

DataFrame.rsub(other[, axis, level, fill_value])

获取数据帧和另一个对象的减法，逐元素（二元运算符 rsub）。

DataFrame.rmul(other[, axis, level, fill_value])

获取数据帧和另一个对象的乘法，逐元素（二元运算符 rmul）。

DataFrame.rdiv(other[, axis, level, fill_value])

获取数据帧和另一个对象的浮点除法，逐元素（二元运算符 rtruediv）。

DataFrame.rtruediv(other[, axis, level, ...])

获取数据帧和另一个对象的浮点除法，逐元素（二元运算符 rtruediv）。

DataFrame.rfloordiv(other[, axis, level, ...])

获取数据帧和另一个数据帧的整数除法，逐元素（二元运算符 rfloordiv）。

DataFrame.rmod(other[, axis, level, fill_value])

获取数据帧和另一个数据帧的模运算，逐元素（二元运算符 rmod）。

DataFrame.rpow(other[, axis, level, fill_value])

获取数据帧和另一个数据帧的指数幂运算，逐元素（二元运算符 rpow）。

DataFrame.lt(other[, axis, level])

获取数据帧和另一个数据帧的小于运算，逐元素（二元运算符 lt）。

DataFrame.gt(other[, axis, level])

获取数据帧和另一个数据帧的大于运算，逐元素（二元运算符 gt）。

DataFrame.le(other[, axis, level])

获取数据帧和另一个数据帧的小于等于运算，逐元素（二元运算符 le）。

DataFrame.ge(other[, axis, level])

获取数据帧和另一个数据帧的大于等于运算，逐元素（二元运算符 ge）。

DataFrame.ne(other[, axis, level])

获取数据帧和另一个数据帧的不等于运算，逐元素（二元运算符 ne）。

DataFrame.eq(other[, axis, level])

获取数据帧和另一个数据帧的等于运算，逐元素（二元运算符 eq）。

DataFrame.combine(other, func[, fill_value, ...])

对另一个 DataFrame 执行按列合并。

DataFrame.combine_first(other)

使用 other 中相同位置的值更新空元素。

函数应用、GroupBy 和窗口#

DataFrame.apply(func[, axis, raw, ...])

沿着 DataFrame 的轴应用函数。

DataFrame.map(func[, na_action])

逐元素地将函数应用于 DataFrame。

DataFrame.applymap(func[, na_action])

(已弃用) 逐元素地将函数应用于 DataFrame。

DataFrame.pipe(func, *args, **kwargs)

应用期望 Series 或 DataFrames 的可链式函数。

DataFrame.agg([func, axis])

使用一个或多个操作在指定的轴上进行聚合。

DataFrame.aggregate([func, axis])

使用一个或多个操作在指定的轴上进行聚合。

DataFrame.transform(func[, axis])

在 self 上调用 func，生成一个与 self 具有相同轴形状的 DataFrame。

DataFrame.groupby([by, axis, level, ...])

使用映射器或列的 Series 对 DataFrame 进行分组。

DataFrame.rolling(window[, min_periods, ...])

提供滚动窗口计算。

DataFrame.expanding([min_periods, axis, method])

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 Series/DataFrame，其中包含每个元素的绝对数值。

DataFrame.all([axis, bool_only, skipna])

返回所有元素是否为 True，可能跨越轴。

DataFrame.any(*[, axis, bool_only, skipna])

返回任何元素是否为 True，可能跨越轴。

DataFrame.clip([lower, upper, axis, inplace])

在输入阈值处修剪值。

DataFrame.corr([method, min_periods, ...])

计算列的成对相关性，排除 NA/空值。

DataFrame.corrwith(other[, axis, drop, ...])

计算成对相关性。

DataFrame.count([axis, numeric_only])

计算每列或每行的非 NA 单元格数。

DataFrame.cov([min_periods, ddof, numeric_only])

计算列的成对协方差，排除 NA/空值。

DataFrame.cummax([axis, skipna])

返回 DataFrame 或 Series 轴上的累积最大值。

DataFrame.cummin([axis, skipna])

返回 DataFrame 或 Series 轴上的累积最小值。

DataFrame.cumprod([axis, skipna])

返回 DataFrame 或 Series 轴上的累积乘积。

DataFrame.cumsum([axis, skipna])

返回 DataFrame 或 Series 轴上的累积和。

DataFrame.describe([percentiles, include, ...])

生成描述性统计数据。

DataFrame.diff([periods, axis])

元素的第一个离散差。

DataFrame.eval(expr, *[, inplace])

评估描述 DataFrame 列操作的字符串。

DataFrame.kurt([axis, skipna, numeric_only])

返回请求轴上的无偏峰度。

DataFrame.kurtosis([axis, skipna, numeric_only])

返回请求轴上的无偏峰度。

DataFrame.max([axis, skipna, numeric_only])

返回请求轴上值的最大值。

DataFrame.mean([axis, skipna, numeric_only])

返回请求轴上值的平均值。

DataFrame.median([axis, skipna, numeric_only])

返回请求轴上值的中间值。

DataFrame.min([axis, skipna, numeric_only])

返回请求轴上值的最小值。

DataFrame.mode([axis, numeric_only, dropna])

获取沿选定轴的每个元素的众数。

DataFrame.pct_change([periods, fill_method, ...])

当前元素与前一个元素之间的分数变化。

DataFrame.prod([axis, skipna, numeric_only, ...])

返回沿指定轴的值的乘积。

DataFrame.product([axis, skipna, ...])

返回沿指定轴的值的乘积。

DataFrame.quantile([q, axis, numeric_only, ...])

返回沿指定轴的给定分位数的值。

DataFrame.rank([axis, method, numeric_only, ...])

沿指定轴计算数值数据的排名（从 1 到 n）。

DataFrame.round([decimals])

将 DataFrame 四舍五入到可变的小数位数。

DataFrame.sem([axis, skipna, ddof, numeric_only])

返回沿指定轴的平均值的无偏标准误差。

DataFrame.skew([axis, skipna, numeric_only])

返回沿指定轴的无偏偏度。

DataFrame.sum([axis, skipna, numeric_only, ...])

返回沿指定轴的值的总和。

DataFrame.std([axis, skipna, ddof, numeric_only])

返回沿指定轴的样本标准差。

DataFrame.var([axis, skipna, ddof, numeric_only])

返回沿指定轴的无偏方差。

DataFrame.nunique([axis, dropna])

计算指定轴上不同元素的数量。

DataFrame.value_counts([subset, normalize, ...])

返回一个 Series，包含 DataFrame 中每个不同行的频率。

重新索引/选择/标签操作#

DataFrame.add_prefix(prefix[, axis])

在标签前添加字符串 prefix。

DataFrame.add_suffix(suffix[, axis])

在标签后添加字符串 suffix。

DataFrame.align(other[, join, axis, level, ...])

根据指定的连接方法，将两个对象在其轴上对齐。

DataFrame.at_time(time[, asof, axis])

选择特定时间（例如，上午 9:30）的值。

DataFrame.between_time(start_time, end_time)

选择特定时间段（例如，上午 9:00-9:30）的值。

DataFrame.drop([labels, axis, index, ...])

从行或列中删除指定的标签。

DataFrame.drop_duplicates([subset, keep, ...])

返回删除重复行的 DataFrame。

DataFrame.duplicated([subset, keep])

返回一个布尔 Series，表示重复行。

DataFrame.equals(other)

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对 DataFrame 的行或列进行子集选择。

DataFrame.first(offset)

(已弃用) 根据日期偏移选择时间序列数据的初始时间段。

DataFrame.head([n])

返回前 n 行。

DataFrame.idxmax([axis, skipna, numeric_only])

返回请求轴上最大值的第一次出现的索引。

DataFrame.idxmin([axis, skipna, numeric_only])

返回请求轴上最小值的第一次出现的索引。

DataFrame.last(offset)

(已弃用) 根据日期偏移选择时间序列数据的最后时间段。

DataFrame.reindex([labels, index, columns, ...])

将 DataFrame 调整为新的索引，并使用可选的填充逻辑。

DataFrame.reindex_like(other[, method, ...])

返回一个与其他对象具有匹配索引的对象。

DataFrame.rename([mapper, index, columns, ...])

重命名列或索引标签。

DataFrame.rename_axis([mapper, index, ...])

设置索引或列的轴名称。

DataFrame.reset_index([level, drop, ...])

重置索引或其某个级别。

DataFrame.sample([n, frac, replace, ...])

从对象的轴上返回随机样本项。

DataFrame.set_axis(labels, *[, axis, copy])

将所需索引分配给给定轴。

DataFrame.set_index(keys, *[, drop, append, ...])

使用现有列设置 DataFrame 索引。

DataFrame.tail([n])

返回最后 n 行。

DataFrame.take(indices[, axis])

返回给定位置索引沿轴的元素。

DataFrame.truncate([before, after, axis, copy])

截断某个索引值之前和之后的 Series 或 DataFrame。

缺失数据处理#

DataFrame.backfill(*[, axis, inplace, ...])

(已弃用) 使用下一个有效观察值填充 NA/NaN 值以填补空白。

DataFrame.bfill(*[, axis, inplace, limit, ...])

使用下一个有效观察值填充 NA/NaN 值以填补空白。

DataFrame.dropna(*[, axis, how, thresh, ...])

删除缺失值。

DataFrame.ffill(*[, axis, inplace, limit, ...])

通过将最后一个有效观察值传播到下一个有效观察值来填充 NA/NaN 值。

DataFrame.fillna([value, method, axis, ...])

使用指定的方法填充 NA/NaN 值。

DataFrame.interpolate([method, axis, limit, ...])

使用插值方法填充 NaN 值。

DataFrame.isna()

检测缺失值。

DataFrame.isnull()

DataFrame.isnull 是 DataFrame.isna 的别名。

DataFrame.notna()

检测现有（非缺失）值。

DataFrame.notnull()

DataFrame.notnull 是 DataFrame.notna 的别名。

DataFrame.pad(*[, axis, inplace, limit, ...])

（已弃用）通过将最后一个有效观测值传播到下一个有效观测值来填充 NA/NaN 值。

DataFrame.replace([to_replace, value, ...])

将 to_replace 中给出的值替换为 value。

重塑、排序、转置#

DataFrame.droplevel(level[, axis])

返回删除了请求的索引/列级别(s)的 Series/DataFrame。

DataFrame.pivot(*, columns[, index, values])

返回根据给定的索引/列值组织的重塑后的 DataFrame。

DataFrame.pivot_table([values, index, ...])

创建一个类似电子表格的透视表作为 DataFrame。

DataFrame.reorder_levels(order[, axis])

使用输入顺序重新排列索引级别。

DataFrame.sort_values(by, *[, axis, ...])

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, columns[, keep])

返回按 columns 降序排列的前 n 行。

DataFrame.nsmallest(n, columns[, keep])

返回按升序排列的 columns 中前 n 行。

DataFrame.swaplevel([i, j, axis])

在 MultiIndex 中交换级别 i 和 j。

DataFrame.stack([level, dropna, sort, ...])

将指定级别(s) 从列堆叠到索引。

DataFrame.unstack([level, fill_value, sort])

将(必须是分层)索引标签的某个级别进行透视。

DataFrame.swapaxes(axis1, axis2[, copy])

(已弃用) 交换轴并相应地交换值轴。

DataFrame.melt([id_vars, value_vars, ...])

将 DataFrame 从宽格式转换为长格式，可以选择保留标识符。

DataFrame.explode(column[, ignore_index])

将列表式中的每个元素转换为一行，复制索引值。

DataFrame.squeeze([axis])

将一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 的转置。

DataFrame.transpose(*args[, copy])

转置索引和列。

组合/比较/连接/合并#

DataFrame.assign(**kwargs)

为 DataFrame 分配新列。

DataFrame.compare(other[, align_axis, ...])

与另一个 DataFrame 进行比较并显示差异。

DataFrame.join(other[, on, how, lsuffix, ...])

连接另一个 DataFrame 的列。

DataFrame.merge(right[, how, on, left_on, ...])

使用数据库风格的连接合并 DataFrame 或命名 Series 对象。

DataFrame.update(other[, join, overwrite, ...])

使用来自另一个 DataFrame 的非 NA 值进行就地修改。

标志#

标志指的是 pandas 对象的属性。数据集的属性（如记录日期、访问的 URL 等）应存储在 DataFrame.attrs 中。

Flags(obj, *, allows_duplicate_labels)

应用于 pandas 对象的标志。

元数据#

DataFrame.attrs 是一个字典，用于存储此 DataFrame 的全局元数据。

警告

DataFrame.attrs 被认为是实验性的，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字典。

绘图#

DataFrame.plot 既是可调用方法，也是特定绘图方法的命名空间属性，形式为 DataFrame.plot.<kind>。

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

DataFrame 绘图访问器和方法

DataFrame.plot.area([x, y, stacked])

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])

绘制 DataFrame 列的箱线图。

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, ...])

生成六边形分箱图。

DataFrame.plot.hist([by, bins])

绘制 DataFrame 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 Series 或 DataFrame 绘制为线。

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 列创建箱线图。

DataFrame.hist([column, by, grid, ...])

创建 DataFrame 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 访问器下提供。

DataFrame.sparse.density

非稀疏点与总（密集）数据点的比率。

DataFrame.sparse.from_spmatrix(data[, ...])

从 scipy 稀疏矩阵创建一个新的 DataFrame。

DataFrame.sparse.to_coo()

将框架的内容作为稀疏 SciPy COO 矩阵返回。

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(data[, orient, dtype, ...])

从类似数组或字典的字典构造 DataFrame。

DataFrame.from_records(data[, index, ...])

将结构化或记录 ndarray 转换为 DataFrame。

DataFrame.to_orc([path, engine, index, ...])

将 DataFrame 写入 ORC 格式。

DataFrame.to_parquet([path, engine, ...])

将 DataFrame 写入二进制 parquet 格式。

DataFrame.to_pickle(path, *[, compression, ...])

将对象序列化（pickle）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(path_or_buf, *, key[, ...])

使用 HDFStore 将包含的数据写入 HDF5 文件。

DataFrame.to_sql(name, con, *[, schema, ...])

将存储在 DataFrame 中的记录写入 SQL 数据库。

DataFrame.to_dict([orient, into, index])

将 DataFrame 转换为字典。

DataFrame.to_excel(excel_writer, *[, ...])

将对象写入 Excel 表格。

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 渲染为 HTML 表格。

DataFrame.to_feather(path, **kwargs)

将 DataFrame 写入二进制 Feather 格式。

DataFrame.to_latex([buf, columns, header, ...])

将对象渲染为 LaTeX 表格、长表格或嵌套表格。

DataFrame.to_stata(path, *[, convert_dates, ...])

将 DataFrame 对象导出为 Stata dta 格式。

DataFrame.to_gbq(destination_table, *[, ...])

(已弃用) 将 DataFrame 写入 Google BigQuery 表格。

DataFrame.to_records([index, column_dtypes, ...])

将 DataFrame 转换为 NumPy 记录数组。

DataFrame.to_string([buf, columns, ...])

将 DataFrame 渲染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 Markdown 友好的格式打印 DataFrame。

DataFrame.style

返回一个 Styler 对象。

DataFrame.__dataframe__([nan_as_null, ...])

返回实现交换协议的 DataFrame 交换对象。