本文轉載自知乎文章 Pandas速查手冊中文版 ，原英文版 Pandas Cheat Sheet - Python for Data Science，在這基礎上加入了一些自己的理解。

Pandas 速查手冊

• 匯入資料
• 匯出資料
• 建立測試物件
• 檢視、檢查資料
• 資料選取
• 資料清理
• 資料處理 Filter Sort GroupBy
• 資料合併
• 資料統計

對於資料科學家，無論是資料分析還是資料探勘來說，Pandas是一個非常重要的Python包。它不僅提供了很多方法，使得資料處理非常簡單，同時在資料處理速度上也做了很多優化，使得和Python內建方法相比時有了很大的優勢。

如果你想學習Pandas，建議先看兩個網站。

（1）官網 # Python Data Analysis Library

（2）十分鐘入門Pandas # 10 Minutes to pandas

在第一次學習Pandas的過程中，你會發現你需要記憶很多的函式和方法。所以在這裡我們彙總一下Pandas官方文件中比較常用的函式和方法，以方便大家記憶。同時，我們提供一個PDF版本，方便大家列印。pandas-cheat-sheet.pdf

關鍵縮寫和包匯入
在這個速查手冊中，我們使用如下縮寫 #

df # 任意的Pandas DataFrame物件
s # 任意的Pandas Series物件

同時我們需要做如下的引入

import pandas as pd
import numpy as np

匯入資料

pd.read_csv(filename) # 從CSV檔案匯入資料
pd.read_table(filename) # 從限定分隔符的文字檔案匯入資料
pd.read_excel(filename) # 從Excel檔案匯入資料
pd.read_sql(query, connection_object) # 從SQL表/庫匯入資料
pd.read_json(json_string) # 從JSON格式的字串匯入資料
pd.read_html(url) # 解析URL、字串或者HTML檔案，抽取其中的tables表格
 

pd.read_clipboard() # 從你的貼上板獲取內容，並傳給read_table()
pd.DataFrame(dict) # 從字典物件匯入資料，Key是列名，Value是資料

匯出資料

df.to_csv(filename) # 匯出資料到CSV檔案
df.to_excel(filename) # 匯出資料到Excel檔案
df.to_sql(table_name, connection_object) # 匯出資料到SQL表
df.to_json(filename) # 以Json格式匯出資料到文字檔案

建立測試物件

pd.DataFrame(np.random.rand(20,5)) # 建立20行5列的隨機陣列成的DataFrame物件
pd.Series(my_list) # 從可迭代物件my_list建立一個Series物件
df.index = pd.date_range('1900/1/30', periods=df.shape[0]) # 增加一個日期索引

檢視、檢查資料

df.head(n) # 檢視DataFrame物件的前n行
df.tail(n) # 檢視DataFrame物件的最後n行
df.shape() # 檢視行數和列數
http://df.info() # 檢視索引、資料型別和記憶體資訊
df.describe() # 檢視數值型列的彙總統計
s.value_counts(dropna=False) # 檢視Series物件的唯一值和計數
df.apply(pd.Series.value_counts) # 檢視DataFrame物件中每一列的唯一值和計數

資料選取

df[col] # 根據列名，並以Series的形式返回列
df[[col1, col2]] # 以DataFrame形式返回多列
s.iloc[0] # 按位置選取資料
s.loc['index_one'] # 按索引選取資料
df.iloc[0,:] # 返回第一行
df.iloc[0,0] # 返回第一列的第一個元素

資料清理

df.columns = ['a','b','c'] # 重新命名列名
pd.isnull() # 檢查DataFrame物件中的空值，並返回一個Boolean陣列
pd.notnull() # 檢查DataFrame物件中的非空值，並返回一個Boolean陣列
df.dropna() # 刪除所有包含空值的行
df.dropna(axis=1) # 刪除所有包含空值的列
df.dropna(axis=1,thresh=n) # 刪除所有小於n個非空值的行
df.fillna(x) # 用x替換DataFrame物件中所有的空值
s.astype(float) # 將Series中的資料型別更改為float型別
s.replace(1,'one') # 用‘one’代替所有等於1的值
s.replace([1,3],['one','three']) # 用'one'代替1，用'three'代替3
df.rename(columns=lambda x: x + 1) # 批量更改列名
df.rename(columns={'old_name': 'new_ name'}) # 選擇性更改列名
df.set_index('column_one') # 更改索引列
df.rename(index=lambda x: x + 1) # 批量重新命名索引

資料處理 Filter Sort GroupBy

df[df[col] > 0.5] # 選擇col列的值大於0.5的行
df.sort_values(col1) # 按照列col1排序資料，預設升序排列
df.sort_values(col2, ascending=False) # 按照列col1降序排列資料
df.sort_values([col1,col2], ascending=[True,False]) # 先按列col1升序排列，後按col2降序排列資料
df.groupby(col) # 返回一個按列col進行分組的Groupby物件
df.groupby([col1,col2]) # 返回一個按多列進行分組的Groupby物件
df.groupby(col1)[col2] # 返回按列col1進行分組後，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max) # 建立一個按列col1進行分組，並計算col2和col3的最大值的資料透視表
df.groupby(col1).agg(np.mean) # 返回按列col1分組的所有列的均值
data.apply(np.mean) # 對DataFrame中的每一列應用函式np.mean
data.apply(np.max,axis=1) # 對DataFrame中的每一行應用函式np.max

資料合併

df1.append(df2) # 將df2中的行新增到df1的尾部
df.concat([df1, df2],axis=1) # 將df2中的列新增到df1的尾部
df1.join(df2,on=col1,how='inner') # 對df1的列和df2的列執行SQL形式的join

資料統計

df.describe() # 檢視資料值列的彙總統計
df.mean() # 返回所有列的均值
df.corr() # 返回列與列之間的相關係數
df.count() # 返回每一列中的非空值的個數
df.max() # 返回每一列的最大值
df.min() # 返回每一列的最小值
df.median() # 返回每一列的中位數
df.std() # 返回每一列的標準差