🎬 HoRain云小助手：个人主页

 🔥 个人专栏: 《Linux 系列教程》《c语言教程》

⛺️生活的理想，就是为了理想的生活!

---

⛳️ 推荐

前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。

专栏介绍

专栏名称	专栏介绍
《C语言》	本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。
《网络协议》	本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux系列》	本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。
《python 系列》	本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。
《试题库》	本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等）

目录

⛳️ 推荐

专栏介绍

1. 数据读取与写入

2. 数据查看与信息

3. 数据清洗

4. 数据选择与过滤

5. 数据处理与统计

6. 数据合并与连接

总结

---

Pandas 常用函数速查

以下是Pandas库中最核心和常用的函数分类，适用于数据处理与分析。

1. 数据读取与写入

• pd.read_csv()/ to_csv()： 读取/写入CSV文件。

• pd.read_excel()/ to_excel()： 读取/写入Excel文件。

• pd.read_sql()/ to_sql()： 从数据库读取/写入数据库。

2. 数据查看与信息

• df.head(n)/ df.tail(n)： 查看头/尾n行数据。

• df.info()： 显示数据概览（行数、列数、数据类型、非空值等）。

• df.describe()： 生成数值型列的统计摘要（计数、均值、标准差、分位数）。

• df.shape： 返回数据框的行数和列数（属性，非函数）。

• df.dtypes： 查看每列的数据类型（属性，非函数）。

• df.columns： 查看列名（属性，非函数）。

3. 数据清洗

• df.dropna()： 删除含有缺失值的行或列。

• df.fillna(value)： 填充缺失值。

• df.duplicated()/ df.drop_duplicates()： 检查/删除重复行。

• df.rename(columns={...})： 重命名列名。

• df.astype(dtype)： 转换列的数据类型。

4. 数据选择与过滤

• 列选择：

  • df[‘col_name’]： 选择单列。

  • df[[‘col1’, ‘col2’]]： 选择多列。

• 行选择：

  • df.loc[]： 按标签（索引名）选择行和列。

  • df.iloc[]： 按整数位置选择行和列。

• 条件过滤：

  • df[df[‘col’] > value]： 布尔索引，筛选满足条件的行。

• df.isin(values)： 检查某列的值是否在给定列表中。

5. 数据处理与统计

• df.sort_values(by=‘col’)： 按某列的值排序。

• df.groupby(‘col’)： 按某列分组，常接聚合函数。

• df.agg(func)/ df.aggregate(func)： 聚合操作，可同时应用多个函数（如 {‘col’： [‘mean’， ‘sum’]}）。

• df.pivot_table()： 创建数据透视表。

• df.apply(func)： 对行或列应用函数。

• df.value_counts()： 计算某列中每个唯一值的出现次数。

• df.corr()： 计算列之间的相关系数矩阵。

• df.mean()/ sum()/ min()/ max()/ count()： 基本统计函数。

6. 数据合并与连接

• pd.concat([df1， df2])： 沿轴（行或列）连接多个DataFrame。

• pd.merge(df1， df2， on=‘key’)： 基于一个或多个键将两个DataFrame合并（类似SQL JOIN）。

总结

这些函数构成了Pandas数据处理的基础工作流：读取 -> 查看 -> 清洗 -> 选择/转换 -> 分析/聚合 -> 输出。熟练掌握它们能高效解决大部分结构化数据的分析任务。

❤️❤️❤️本人水平有限，如有纰漏，欢迎各位大佬评论批评指正！😄😄😄

💘💘💘如果觉得这篇文对你有帮助的话，也请给个点赞、收藏下吧，非常感谢!👍 👍 👍

🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙