作者｜Soner Yıldırım
来源｜towardsdatascience
翻译\编辑｜Python大数据分析
Pandas是python中最主要的数据分析库之一，它提供了非常多的函数、方法，可以高效地处理并分析数据。让pandas如此受欢迎的原因是它简洁、灵活、功能强大的语法。
这篇文章将会配合实例，讲解10个重要的pandas函数。其中有一些很常用，相信你可能用到过。还有一些函数出现的频率没那么高，但它们同样是分析数据的得力帮手。
介绍这些函数之前，第一步先要导入pandas和numpy。
import numpy as np
import pandas as pd
Query是pandas的过滤查询函数，使用布尔表达式来查询DataFrame的列，就是说按照列的规则进行过滤操作。
用法：
pandas.DataFrame.query(self, expr, inplace = False, **kwargs)
参数作用：
首先生成一段df：
values_1 = np.random.randint(10, size=10)
values_2 = np.random.randint(10, size=10)
years = np.arange(2010,2020)
groups = ['A','A','B','A','B','B','C','A','C','C']
df = pd.DataFrame({'group':groups, 'year':years, 'value_1':values_1, 'value_2':values_2})
df
过滤查询用起来比较简单，比如要查列value_1<value_2的行记录：
df.query('value_1 )
查询列year>=2016的行记录：
df.query('year >= 2016 ')
Insert用于在DataFrame的指定位置中插入新的数据列。默认情况下新列是添加到末尾的，但可以更改位置参数，将新列添加到任何位置。
用法：
Dataframe.insert(loc, column, value, allow_duplicates=False)
参数作用：
接着用前面的df：
在第三列的位置插入新列：
#新列的值
new_col = np.random.randn(10)
#在第三列位置插入新列，从0开始计算
df.insert(2, 'new_col', new_col)
df
Cumsum是pandas的累加函数，用来求列的累加值。用法：
DataFrame.cumsum(axis=None, skipna=True, args, kwargs)
参数作用：
以前面的df为例，group列有A、B、C三组，year列有多个年份。我们只知道当年度的值value_1、value_2，现在求group分组下的累计值，比如A、2014之前的累计值，可以用cumsum函数来实现。
当然仅用cumsum函数没办法对groups (A, B, C)进行区分，所以需要结合分组函数groupby分别对(A, B, C)进行值的累加。
df['cumsum_2'] = df[['value_2','group']].groupby('group').cumsum()
df
Sample用于从DataFrame中随机选取若干个行或列。用法：
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
参数作用：
比如要从df中随机抽取5行：
sample1 = df.sample(n=5)
sample1
从df随机抽取60%的行，并且设置随机数种子，每次能抽取到一样的样本：
sample2 = df.sample(frac=0.6,random_state=2)
sample2
Where用来根据条件替换行或列中的值。如果满足条件，保持原来的值，不满足条件则替换为其他值。默认替换为NaN，也可以指定特殊值。
用法：
DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False, raise_on_error=None)
参数作用：
将df中列value_1里小于5的值替换为0：
df['value_1'].where(df['value_1'] > 5 , 0)
Where是一种掩码操作。
「掩码」(英语：Mask)在计算机学科及数字逻辑中指的是一串二进制数字，通过与目标数字的按位操作，达到屏蔽指定位而实现需求。
Isin也是一种过滤方法，用于查看某列中是否包含某个字符串，返回值为布尔Series，来表明每一行的情况。
用法：
Series.isin(values)
或者
DataFrame.isin(values)
筛选df中year列值在['2010','2014','2017']里的行：
years = ['2010','2014','2017']
df[df.year.isin(years)]
Loc和iloc通常被用来选择行和列，它们的功能相似，但用法是有区别的。
用法：
DataFrame.loc[]
或者
DataFrame.iloc[]
选择df第1~3行、第1~2列的数据，使用iloc：
df.iloc[:3,:2]
使用loc：
df.loc[:2,['group','year']]1
提示：使用loc时，索引是指index值，包括上边界。iloc索引是指行的位置，不包括上边界。
选择第1、3、5行，year和value_1列：
df.loc[[1,3,5],['year','value_1']]
Pct_change是一个统计函数，用于表示当前元素与前面元素的相差百分比，两元素的区间可以调整。
比如说给定三个元素[2,3,6]，计算相差百分比后得到[NaN, 0.5, 1.0]，从第一个元素到第二个元素增加50％，从第二个元素到第三个元素增加100％。
用法：
DataFrame.pct_change(periods=1, fill_method=‘pad’, limit=None, freq=None, **kwargs)
参数作用：
对df的value_1列进行增长率的计算：
df.value_1.pct_change()
Rank是一个排名函数，按照规则(从大到小，从小到大)给原序列的值进行排名，返回的是排名后的名次。
比如有一个序列[1,7,5,3]，使用rank从小到大排名后，返回[1,4,3,2]，这就是前面那个序列每个值的排名位置。
用法：
rank(axis=0, method: str = 'average', numeric_only: Union[bool, NoneType] = None, na_option: str = 'keep', ascending: bool = True, pct: bool = False)
参数作用：
对df中列value_1进行排名：
df['rank_1'] = df['value_1'].rank()
df
Melt用于将宽表变成窄表，是 pivot透视逆转操作函数，将列名转换为列数据(columns name → column values)，重构DataFrame。
简单说就是将指定的列放到铺开放到行上变成两列，类别是variable(可指定)列，值是value(可指定)列。
用法：
pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
参数作用：
例如有一串数据，表示不同城市和每天的人口流动：
import pandas as pd
df1 = pd.DataFrame({'city': {0: 'a', 1: 'b', 2: 'c'},
'day1': {0: 1, 1: 3, 2: 5},
'day2': {0: 2, 1: 4, 2: 6}})
df1
现在将day1、day2列变成变量列，再加一个值列：
pd.melt(df1, id_vars=['city'])
一起学Java一起学Python------------------如果觉得文章有点用的话，请毫不留情地素质三连吧，分享、点赞、在看、收藏，我不挑，因为这将是我写作更多优质文章的最强动力。往期精选(