python pandas dataframe常见函数

Python pandas是一个数据分析工具，提供了DataFrame数据结构，它有许多常见的函数可以对数据进行处理和分析。

1. 读取数据：通过read_csv()函数可以将csv格式的文件读取为DataFrame对象，并通过to_csv()函数将DataFrame对象保存为csv文件。

2. 选取数据：使用loc()和iloc()函数可以根据标签或索引选取DataFrame中的行和列。例如，df.loc[0]可以选择第一行，df.loc[:, 'A']可以选择'A'列。

3. 描述数据：describe()函数可以提供DataFrame中数值列的基本统计信息，如计数、均值、标准差等。

4. 排序数据：通过sort_values()函数可以根据指定的列或多个列对DataFrame进行排序。

5. 筛选数据：使用条件表达式可以筛选出满足条件的数据，例如df[df['A'] > 0]可以筛选出'A'列大于0的数据。

6. 缺失值处理：fillna()函数可以将DataFrame中的缺失值用指定的值进行填充，dropna()函数可以删除包含缺失值的行或列。

7. 合并数据：通过concat()和merge()函数可以将多个DataFrame对象按指定的方式合并成一个新的DataFrame。

8. 统计计算：DataFrame提供了一些常见的统计计算函数，如sum()、mean()、median()等，可以对指定的列进行计算。

9. 分组操作：使用groupby()函数可以按照指定的列对DataFrame进行分组操作，然后进行聚合计算，如求和、平均值等。

10. 数据透视表：使用pivot_table()函数可以根据指定的行和列对DataFrame进行透视操作，类似于Excel中的数据透视表。

这些函数只是常见的一部分，Python pandas还提供了很多其他强大的函数和特性，可以根据实际需求去探索和应用。