Python Pandas数据分析常用的30个函数

df = pd.read_csv('data.csv')
df = pd.read_excel('data.xlsx')

df.head(5)  # 查看前5行
df.tail(3)  # 查看后3行

df.info()  # 显示列名、非空值数量、数据类型等

df.describe()  # 显示计数、均值、标准差、最小值、四分位数等

df.isnull().sum()  # 统计每列缺失值数量

df.drop_duplicates(subset=['id'], keep='first')  # 按id列去重

df.rename(columns={'old_name': 'new_name'}, inplace=True)

df.loc[df['age'] > 30]  # 选择年龄大于30的行
df.iloc[0:5, 1:3]  # 选择前5行和第1-2列

pd.concat([df1, df2], axis=0)  # 纵向合并
pd.concat([df1, df2], axis=1)  # 横向合并

df['date'] = pd.to_datetime(df['date'])

df[df['name'].str.contains('John')]  # 筛选名字包含John的行

df['age_group'] = pd.cut(df['age'], bins=[0,18,35,60,100], 
                        labels=['child','young','middle','old'])

pd.get_dummies(df['gender'], prefix='gender')

df.corr()  # 计算所有数值列的相关性矩阵

df['sales'].rolling(window=7).mean()  # 7天移动平均

df.resample('M').sum()  # 按月汇总

pd.melt(df, id_vars=['id'], value_vars=['Q1','Q2','Q3','Q4'])

df.pivot(index='date', columns='product', values='sales')

df['income_level'] = pd.qcut(df['income'], q=4, 
                            labels=['low','medium','high','very_high'])

df.to_csv('output.csv', index=False)
df.to_excel('output.xlsx', sheet_name='Sheet1')

# 示例：计算销售额的增值税（税率13%）
df['tax'] = df['sales'].apply(lambda x: x * 0.13)

# 按产品类别统计平均价格和总销量
result = df.groupby('category').agg({'price':'mean', 'quantity':'sum'})

# 用中位数填充缺失的价格数据
df['price'] = df['price'].fillna(df['price'].median())

# 按用户ID合并订单表和用户信息表
merged_df = pd.merge(orders_df, users_df, on='user_id', how='left')

# 统计不同地区和产品类别的平均销售额
pivot = pd.pivot_table(df, values='sales', index='region', columns='category', aggfunc='mean')

# 统计不同教育水平的员工数量
education_counts = df['education'].value_counts()

# 删除所有列都缺失的行
clean_df = df.dropna(how='all')

# 将字符串类型的日期转换为datetime类型
df['date'] = df['date'].astype('datetime64')

# 按销售额降序排列
sorted_df = df.sort_values('sales', ascending=False)

# 筛选年龄在25-35岁之间的女性用户
filtered = df.query('age >= 25 and age <= 35 and gender == "female"')