用了三年的 pandas 速查表

1、01環(huán)境搭建 s: s,docs：conda Lio/en/latest/miniconda2 htmlexcel 處理相關包 xlrd / openpyxl / xlsxwriter解析網(wǎng)頁包 requests / Ixml / html51ib / BeautifulSoup4計算包：scipypip install jupyter pandas matplotlib國外網(wǎng)絡慢，可指定國內(nèi)源快速下載安裝一pip install pandas -i Conda多Python版本環(huán)境：創(chuàng)立新環(huán)境，環(huán)境名稱，python版本conda create -n py39 python=329刪除環(huán)境c

2、onda remove -n py39 -allla入、激活環(huán)境conda activate py39退出環(huán)境conda deactivate查看所有虛擬環(huán)境及當前環(huán)境conda info -e02 Jupyter Notebook 快捷鍵啟動 Jupyter Notebook : jupytr notbook快捷鍵及功能： :代碼提示Shifts Enter :執(zhí)行本行并定位到新增的行Shift+Tab（l-3次）：查看函數(shù)方法說明D, D :雙擊D刪除本行A / B ：向上/下增加一行df .groupby(coll).agg(np.mean) #返回按列coll分組的所有列的均值按列將其

3、他列轉(zhuǎn)行pd.melt(dfid_vars=day, var_name=city, value_name=temperatu re1)交叉表是用于統(tǒng)計分組頻率的特殊透視表 pdcrosstab(df. Nationality,dfHandedness) # groupby后排序，分組agg內(nèi)的元素取固定個數(shù)Idf(df.p_day = 20190101) .groupby(1p_day二 name) .agg(uv:sum).sort_values( p_day1 1 uv1 _, ascending=False False) .groupby(level=0) .head(5) # 每天取

4、5 個頁面.unstack().Plot。_)合并查詢經(jīng)第一個看(max, min, last, size:數(shù)量) dfgroupby(結算類型).first。合并明細并分組統(tǒng)計加總(max, mean: median,prod, sum std/var, 1 nunique1) J nunique，為去重的歹 U 表dfl = df .groupby(by=，設計師工D1).agg(結算金額，：sum)df. groupby (by=df. pf). ip. nunique () # groupby distinct, 分組+去重數(shù) df. groupby (by=df. pf) .ip.

5、value_counts() # groupby 分組+去重的值及數(shù)量 dfgroupby(nameiyLagg(sum, 1 median 1, 1 count1)12數(shù)據(jù)合并合并拼接行將df2中的行添加到dfl的尾部dfl.append(df2)指定列合并成一個新表新列ndf = (df 提名 1.append(df提名 2ignore_index=True).append(df提名 3, ignore_index=True)ndf = pd.DataFrame(ndfcolumns=(姓名)將df2中的列添加到dfl的尾部dfconcat(dfl, df2, axis=l)合并文件的各行

6、_dfl = pd.read_csv(111.csv1 sep=1t1)df2 = pd.read_csv(222.csv1? sep=1t1)excel_list = dfl, df2result = pd.concat(excel_list)，):.astype(str)result = pd.concat(excel_list)result.to_excel(333xlsx, index=False)合并指定目錄下所有的 excel (csv) 文件 import globfiles = glob,glob(data/cs/*.xls)dflist = for i in files:df

7、list.append(pd.read_excel(iJ usecols=1 ID1 ，時間，1名稱)df = pd.concat(dflist)合并增加列又寸dfl的歹IJ和df2的歹IJ執(zhí)行SQL形式的join dfl.join(df2Jon=coll how=1 inner1)用key合并兩個表df_all = pd.merge(df_skuJ df_spu, how=leftjleft_on=df_sku1product_id, right_on=df_spup product_id)13時間處理時間序列時間索引df.index = pd.Datetimelndex(dfLindex)

8、時間只保存日期dfdate1 = dftime1.dt.date將指定字段格式化為時間類型dfdate = pd.to_datetime(df時間)轉(zhuǎn)化為北京時間dffime1 = dfftime1. dt .tz_convert(1 Asia/Shanghai1)轉(zhuǎn)為指定格式，可能會失去秒以葡勺精度一dfftime1 = df 1 time1 .dt.strftime(de.index = pd.to_datetime(dc.indexformat=%Y%m%d, errors=ignore1時間，參與運算pd.DateOffset(days=2)當前時間pd.Timestamp.now()

9、pd.to_datetime(1 today1)判融寸間是否當天二()dftime.astype(1datetime64ns1).dt.date = pd.to_datetime(1 today1)定義個天數(shù)一import datetime days = lambda x: datetime.timedelta(days=x) days(2)同工，直接用pd包裝的pd.Timedelta(days=2)unix時間戳pd.to_datetime(ted.film_dateJ unit=,ms1)按月(YMDHminS)采集合訐數(shù)據(jù)df.set_index(date).resample(M1)Q

10、uantity.sum()df. set_index(1 date) .groupby( name1) ext price1 . resample(,M). sum n=按天匯總,index是datetime時間類型df.groupby(by=df.index.date).agg(1uu1:1 count1)按周匯總df.groupby(by=df.index.weekday) uu count()按月進行匯總df.groupby(name，, pd.Grouper(key=1 date, freq=M*)ext price1 sum()按月進行匯總df.groupby(pd.Grouper(

11、key=day1, freq=1 IM1).sum()按照年度，且截止到12月最后一天統(tǒng)計 ext price 的 sum 值df.groupby(name1, pd.Grouper(key=date, freq=A-DEC1) *ext price.sumO按月的平均重新采樣df1 Close.resample(MJ .mean() . /pandas- docs/stable/user_guide/timeseries.html#offset-aliases取時間范圍，并反E作日rng = pd.date_range(start=6/1/2016,end=6/30/20

12、16”,freq=B)重新定時數(shù)據(jù)頻度，按一定補充方法dfasfreq(D, method=1 pad)時區(qū),df .tz_convert( Europe/Berlin )dfetime.tz_localize(tz=Asia/Shanghai1)轉(zhuǎn)北京時尚dfTime1 = dfTime1.dt.tz_localize(，UTC),dttz_convert(Asia/S hanghai1)查看所有時區(qū)from pytz import all_timezonesprint (all_timezones)時長，多仄，兩個時間間隔時間，時差df1 duration = pd.to_datetime

13、(df1 end)- pd.to_datetime(df1 begin1)指定舟間進行比照df.Time.astype(1datetime64ns1) 0 else ; subset=pd.IndexSlice:B 1C1 )最大值最小值加背景色df.style.highlight_max(color=1 lightgreen).highlight_min(color=ttcd 4f 39)df. style, format ( : .2% subset=pd. IndexSlicef: B ) # 顯示百分號指定各列的樣式一format_dict = sum:$0:,date1: :%Y-%

14、m，Pct_of： ：.2%1 c: str.upper)# 一次性樣式設置(df.style.format(format_dict) # 多種樣式形式hide_index()裝足列按顏色深度壽歷值大小，cmap旦matplotlib colormap.background_gradient(subset=1sum_num1cmap=1BuGn)表格內(nèi)作橫向bar代表值大小bar(color=#FFA07A, vmin=100_000 subset=1 sum, align=zeroD2Z22表格內(nèi)作橫向bar代表值大小bar(color= lightgreen, vmin=0 subset=

15、1 pct_of_total1 , align =* zero)下降(小于。)為紅色,上升為綠色.bar(color= #ffe4e4, #bbf9ce , vmin=0 vmax=l subset=增長 率,align=zero1)廨樣式表格超個名字.set_caption(12018 Sales Performance1)hide_index()按條件給整行加背景色(樣式)def background_color(row)jif row.pv_num = 10000:return background-color: red 1 * len(row)elif row.pv_num = 100

16、:return 1 background-color: yellow1 * len(row)return ,1 * len(row)使用df,style.apply(background_color, axis=l)16表格中的直方圖，sparkline圖形import sparklinesimport numpy as np def sparkline_str(x):bins=np.histogram(x)0si .join(sparklines.sparklines(bins) return sisparkline_str._name_ = sparkline畫出趨勢圖，保存兩位小數(shù)df,

17、groupby(1 name1)quantity 1 ext price1.agg(mean, sparkline_ str).round(2)sparkline 圖形 s:/hugoworld.wordpress,com/2019/01/26/sparklines-in-jupyter- notebooks-ipython-and-pandas/def sparkline(data, figsize=(4 0)25), *kwargs)2 II II IIcreates a sparklineTurn off the max column width so the images wont b

18、e truncatedpd set_option(1 display.max_colwidth, -1)Turning off jthe jnax olumrwill display all jthe dataif gathering into sets / array we might want to restrict to a few itemspd,set_option(display.max_seq_items, 3)Monkey patch the dataframe so the sparklines are displayedpd.DataFrame._repr_html_ =

19、lambda self: self.to_html(escape=-al se)from matplotlib import pyplot 斗 pit import base64from io import BytesIOdata = list(data)_, ax = pit.subplots(l 1, figsize二figsize, *kwargs) ax.plot(data)ax.fill_between(range(len(data), data, len(data)*min(data), alpha=0.1)ax.set_axis_off() img = BytesIO()pit.

20、savefig(img)plt.close()return 1 .format(base64. b64encode(img.getvalue().decode()#使用df.groupby(1 name)1 quantity, 1 ext price.agg(mean, sparkline df.apply(sparkline axis=l) #僅支持橫向數(shù)據(jù)畫線，可做T轉(zhuǎn)置17可視化kind : strline: line plot (default)bar* : vertical bar plotbarh : horizontal bar plothist: histogrambox: b

21、oxplotkde*: Kernel Density Estimation plotdensity*: same as kdearea*: area plotpie* : pie plot常用方法：df88.plot.bar(y=*rate*figsize=(20J 10) # 圖形大小,單位英寸 df_ldf_lp_day 2019-06-011 .plot.bar(x=1 p_day1, y=1 total_order_num1, order_user figsiz e=(16, 6) # 柱狀圖每條線一個站點，各站點的 home_remain, stack的意思是堆疊，堆積unstack

22、艮不要堆疊”(df(df.p_day = 12019-05-11) & (df.utype =，老客1).groupby(p_day, 1site_id)home_remain.sum().unstack().pl ot.line()折線圖，多條x軸默認為indexdd.plot.line(x=,p_day,y=1uv_all11home_remain1)dd.loc新訪客一一一2.plot.scatter(x=,order_user1y=1paid_order_user) # 散人M圖dd.plot.bar(color=blue) # 柱狀圖，barh 為橫向柱狀圖sns. heatmap(

23、dd. corr() # 相關性可視化刻度從0開始，指定范圍ylim=(0,100), x軸相同s plot ,line(ylim=0)折線顏色 s://examples/color/named_colors.html樣式(.J-J：)一折線標記 s://api/markers_api.htmlgrid=True 顯示亥U度 etc 二 s /matplotlibLorg/api/_as_gen/matplotlibLpyplot Lplot.h tmlsplotline(color=green, linestyle=-, marker=

24、o)兩個圖繪在一起df 數(shù)量 H .plot.kde(), dfp 數(shù)量,.plot . hist()對表中的數(shù)據(jù)按顏色可視化import seaborn snscm = sns.light_palette(green11 s_cmap=Tue) df.style.background_gradient(cmap=cmJ axis=l)將數(shù)據(jù)轉(zhuǎn)化為二維數(shù)組i for i in zip( i.strftime(%d) for i in s.index.to_list(), s.to_list()和 plot 用法一樣 import hvplot.pandas打印Sqlite建表語句一print(

25、pdio.sql.get_schema(fdf, table_name)18 Jupyter notebooks 問題jupyter notebooks pit 圖表配置 import matplotlib.pyplot as pit pit. rc Pa rams figure, figsize = (15.0, 8.0) # 固定顯示大小 pit. rcParams *font .family = 1 sans-serif # 顯示中文問題 pit.rcParamsf font.sans-serif = 1 SimHei1 # 顯示中文問題輸出單行全部變量from IPython.core

26、.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = alljupyter notebooks 頁面自適應寬度from IPython.core.display import display, HTML display(HTML(n.container width:100% !important; 1)_Sjstyle#notebook_panel backgroundj_ffffffjupyter notebooks嵌入頁面內(nèi)容from 工Python.display impor

27、t IFrameIFrame(* s:arxiv. org/pdf/1406 2661 pdf, width=800, height=450：Markdown 一個cell不支持多張粘貼圖片一個文件打印翻開只顯示一張圖片問題解決/site-packages/notebook/static/notebook/js/main.min.js var key 處 # 33502、 33504 行key = utils.uuid().slice(2 6)+encodeURIandParens();key = utils.uuid(),slice(2,6)+Object.keys(tha

28、t.attachments).length;# s:/github /ihnorton/notebook/commit/55687c2dc08817da58797 7cb6fl9f8cc0103babl多行輸出from IPeractiveshell import InteractiveShell InteractiveShell. ast_node_interactivity = 1 all1 #默認為last執(zhí)行shell命令：！命令語句在線可視化工具 s:/plot ,ly/create19 Slideshow 幻燈片安裝 RISE 庫：pip install

29、 RISEAlt+r播放/退出播放,逗號隱藏左側兩個大操作按鈕，總覽ppt, /黑屏Slide :主頁面，通過按左右方向鍵進行切換。Sub-Slide :副頁面，通過按上下方向鍵進行切換。全屏Fragment : 一開始是隱藏的，按空格鍵或方向鍵后顯示，實現(xiàn)動態(tài)效果。在一個頁面Skip :在幻燈片中不顯示的單元。Notes :作為演講者的備忘筆記，也不在幻燈片中顯示。M / Y : Markdown / 代碼模式03導入庫包import pandas as pd # 最新為 1.4.1 版本(2022-02-12)import numpy as npimport matplotlib.pypl

30、ot as pitimport seaborn as sns%matplotlib inline04導入數(shù)據(jù)從csv文件導入數(shù)據(jù)pd.read_csv(1 file.csv, name=列名1，列名 21)從限&隔符的文本文件導入數(shù)據(jù)pd , read_table(filenameJ header=0)Excel導入，指定sheet和表頭pd.read_excel(file.xlsx1sheet_name=1 表 1, header=0)從SQ【表/庫導入數(shù)據(jù)一pdread_sql(queryJ connection_object)從js6n格式的字符串導入數(shù)據(jù)一pd read_json(js

31、on_string)解析URL、字符串金者HTML文件，抽取其中的tables表格pd read_html(url)從你的粘貼板獲取內(nèi)容，并傳給read_table()pd read_clipboard()從字始寸象導入數(shù)據(jù)，Key是列名，Value是數(shù)據(jù)pd.DataFrame(diet)導入字符串from io import StringlOpd , read_csv(String1O(web_data.text)05導出輸出數(shù)據(jù)導出數(shù)據(jù)到csv文件 df.to_csv(filename.csvJ導礴據(jù)到Excel友伴dfto_excel(filenamexlsxj index=True)

32、導由藪據(jù)到SQL表df,to_sql(table_nameJ connection_object)以上on格式導出數(shù)據(jù)到文本文件 df.to json(filename)其面df .to_html() # 顯示 HTML 代碼df .to_markdown() # 顯示 markdown 代石馬df.to_string() #顯示格式化字符df.to_latex(index=False) # LaTeX tabu1ar, 1ongtab1e df,to_dict(split) # 字典, 格式 list/series/records/index df .to_clipboard(sep=, i

33、ndex=False) # 存入系統(tǒng)剪貼板將兩個表格輸出到一個excel文件里面，導出到多個sheetwriter=pd.ExcelWriter(new.xlsx1)df_l.to_excel( writer sheet_name=,第一個 index=二a Ise) df_2.to_excel(writerJsheet_name=第二個，index=False) writer.save() #必須運行writer.save(),不然不能輸出到本地寫法2with pd.ExcelWriter(ew.xlsx1) as writer:dfl.to_excel(writer, sheet_name

34、=第一個1)df2.to_excel(writer, sheet_name=1 第二個)用xlsxw；iter導出支持合并單贏、顏色、圖表等定制功能 s:/xlsxwriter. readthedocs . io/working_with_pandas . html06創(chuàng)立測試對象創(chuàng)立20行5列的隨機數(shù)組成的DataFrame 對象(20 5)從可迭代對象my_list創(chuàng)立二Series對象 pd.Series(my_list)增加一個日斯索引df.index = pd.date_range(11900/1/30periods=df.shape0)創(chuàng)立隨機數(shù)據(jù)集 一df = pd.util.t

35、esting.makeDataFrame()創(chuàng)立隨機日期索引數(shù)據(jù)集df = pd.util.testingmakePeriodFrame()df = pd.util.testing.makeTimeDataFrame()創(chuàng)立隨機混合類型數(shù)據(jù)集df r pdutil.testing.makeMixedDataFrame()07查看、檢查、統(tǒng)計、屬性df .head(n) # 查看 DataFrame 對象的前n行df.tail(n) #查看DataFrame對象的最后n行df.sample(n) #查看n個樣本，隨機df.shape #查看行數(shù)和列數(shù)() #查看索引、數(shù)據(jù)類型和內(nèi)存

36、信息df.describe。# 查看數(shù)值型列的匯總統(tǒng)計df .dtypes #查看各字段類型df.axes #顯示數(shù)據(jù)行和列名df.mean() #返回所TT列的均值df.mean(l) # 返回所有行的均值，下同df.corr() #返回列與列之間的相關系數(shù)df.count() #返回每一列中的非空值的個數(shù)df.max() #返回每一列的最大值df.min() #返回每二列的最小值df.median。#返回每一列的中位數(shù)df.std() # 返回每一列的標準差df.var() # 方差s.mode() # 眾數(shù)d() # 連乘s.cumprod() #累積連乘，累乘df.cumsu

37、m(axis=0) # 累積連加)累加s.nunique() #去重數(shù)量，不同值的量df idxmax() #的值的df.idxmin() # 最小df.columns # 顯示所有列名df.team.unique() #顯示列中的不重復值查看Series對象的唯一值和計數(shù),計數(shù)占比：normalize=True s.value_counts(dropna=False)查看 DataFrame 對象中每一列的唯一值和計數(shù)df.apply(pd.Series.value_counts)df. duplicated() # 重復行df .drop_duplicates() # 刪除重復行set_o

38、ption. reset_option. describe_option 設置顯示要求 pd.get_option()飯置行列最大虛宗數(shù)量，None為不限制pd.options.display.max_rows = Nonepd.options.display.max_columns = Non。dfcoLargmin() # 最大殖最小值 argmax() 所在位置的自動索引df colidxmin() # 最大值最小值 idxmax() 所在位置的定義索引累計統(tǒng)計ds.cumsum() #前邊所有值之和ds.cumprod() # 前邊所有值之積ds.cummax() #前邊所有值的最大值

39、ds cummin() # 前邊所有值的最小值#窗口計算C袞動計算)dsrolling(x).sum() #依次計算相鄰x個元素的和ds. rolling(x).mean() #依次計算相鄰 x 個元素的算術平均ds.rolling(x) .var() #依次計算相鄰 x 個元素的方差ds.rolling(x) .std() #依次計算相鄰x個元素的標準差ds.rolling(x) .min() #依次計算相鄰 x 個元素的最小值ds.rolling(x) .max() #依次計算相鄰x個元素的最大值08數(shù)據(jù)清理df.columns =# 重命名歹U名df. columns = df. col

40、umns. str. replace (1 ) # 列名空格換卜劃線df.locdf.AAA = 5, BBB,，CCC = 555 #dfpF = df.site_id.map(2: 小程序7:M站) #將枚舉換成名稱 pd.isnull() #檢查DataFrame對象中的空值，并返回一不Boolean數(shù)組 pd.notnull() #檢查DataFrame對象中的非空值，并返回一個Boolean數(shù)組 df .drop( name j axis=l) # 刪除列 dfdrop(0, 10, axis=0) # 刪除行del dff name1 # 刪除列df.dropna() #刪除所有包

41、含空值的行df.dropna(axis=l) #刪除所有包含空值的列df .dropna(axis=lJthresh=n) #刪除所有小于n個非空值的行df .fillna(x) #用x替換DataFrame對象中所有的空值什.011恒311=卬0丫，：，未知，) #指定列的空值替換為指定內(nèi)容s.astype(float) #將Series中的數(shù)據(jù)類型更改為float類型 df. index. astype( datetime64ns1) # 轉(zhuǎn)化為時間格式 s.replace(l, one1) #用，one代替所有等于1的值s.replace(l, 3Hone,three，) # 用one代

42、替 1, 用 three，代替 3df.rename(columns=lambda x: x + 1) # 批量更改列名df .rename(columns= ,old_name, : 1 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) # 批量重命名索引#重新命名表頭名稱df.columns =IHA,當前待打款金額;認證姓名什是否設置提現(xiàn)賬號=df狀態(tài)#復制一列df.loc:, :-1 # 列順序反轉(zhuǎn)一df.loc:-l #行順序反轉(zhuǎn)，下方為重新定義索引df.loc

43、:-11,reset_index(drop=True)09 數(shù)據(jù)處理:Filter% Sort#保存小數(shù)位，四舍六入五成雙df. round(2) # 全部df.round(,A, : 1,2) # 指定列df1 Name1 = df.Name # 取歹1名的兩個方法dfdf.index = 1 Dude1 # 按索引查詢要用.indexdfdfcol 0.5 #選擇col列的值大于0.5的行#多條件查詢dftCdffteam1 = A) &(dfQlJ 80) &(老客老訪客)篩選為空的內(nèi)容dfdf.order.isnull()類似 SQL where indfdf.team.isin(,A

44、,/B,)df(df.team=,B,) & (df.QI = 17)df(dfteam = A) | ( dffQl1 80) # 非，或df df. Name. str. contains () # 包含字符df .sort_values(coll) #/照列coll力評數(shù)墀，默認開后排列df.coll.sort_values() # 同上,- sdf.sort_values(col2J ascending=False) # 按照列 coll 降序排列數(shù)據(jù)先按歹coll升序排列，至按CO12降舊步I數(shù)據(jù)df.sort_values(coll,col2, ascending=True,二aI

45、se)df2 = pd.get_dummies(dfprefix=t_)#將枚舉的那些列帶枚舉轉(zhuǎn)到列上 s.set_index().plot()多痢I處理ddset_index(1utype, site_id1, p_day, inplace=True)dd. sort_index(inplace=True) # 按索引排序dd.loc新訪客2, , 2019-06-22, .plot.barh() # loc 中按序指定裁 I 內(nèi)容前100行，不能指定行，如：df 10。df:100只取指定行dfl = df.loc0:,設計師工D姓名將ages平分成5個區(qū)間并指定 labelsages =

46、 np.array(1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32) pd.cut(ages, 0,5,20,30,50,100labels=u“嬰兒二u”青年Lu“中年u“壯年u“老年”)daily_index.difference(df_work_day.index) # 取出J；別格如匕 # 索川的名稱 strdf.columns .tolist()df.values.tolist()df ,總人口 .values.tolist()data.apply(np.mean) # 對 DataFrame 中的每一列應用函數(shù)

47、 np.meandata.apply(np.maxaxis=l) # 對 DataFrame 中的每一行應用函數(shù) np.maxdf.insert(l., 1three, 12, allow_duplicates=False) # 插入列(位置、列 京面)一df .pop( class1) # 刪除列增加一行df.append(pd.DataFrame(one:2, two:3, three : 4.4, index=*f*), sort=True)指定新列iris.assign(sepal_ratio=irisSepalWidth / irisSepalLength).h ead()df.as

48、sign(rate=lambda df: df.orders/df.uv)shift函數(shù)是對數(shù)據(jù)進行平移動的操作肝增幅=df國內(nèi)生產(chǎn)總值-國內(nèi)生產(chǎn)總值df.tshift(l) #時間移動，按周期和上相同，diff函數(shù)是用來將數(shù)據(jù)進行移動之后與原數(shù)據(jù)異數(shù)據(jù)，等于dfshift()-肝df增幅=肝國內(nèi)生產(chǎn)總值留存數(shù)據(jù)，因為最大一般為數(shù)據(jù)池df.apply(lambda x: x/xmax(), axis=l)best 列中值為列名的值寫到 name 行上df2yalue* = dfaookup(df ,name, , dffbestJJswhere(s 1, 10) #滿足條件下數(shù)據(jù)替換(10,空

49、為NaN)s.mask(s 0) #留下滿足條件的，其他的默認為NaN所有值加1 (加減乘除等)df + 1 / df.add(l)#管道方法, def gb(df, result result return#管道方法, def gb(df, result result return#鏈式調(diào)用函數(shù),f(df)=df.pipe(f) by)：=df.copy()=result.groupby(by).sum() resultdfpipe(gb, by=,team,)窗口計算Is，為兩秒df.rolling(2).sum()在窗口結果基礎上的窗口計算df.expanding(2).sum()超出(

50、大于、小于)的值替換成對應值 df.clip(-4 6)AB兩列想加增加C列dffC1 = df.eval(A+B)和上相同效果df .eval( *C = A + B inplace=True)數(shù)列的變化百分比s pct_change(periods=2)分任及，可實現(xiàn)時間的中間點 df.quantile(25)排名 average minmax？first, dense, 默認 average s.rank()數(shù)據(jù)爆炸，將本列的類列表數(shù)據(jù)和其他列的數(shù)據(jù)展開鋪開 df.explode(A)枚舉更新status = 0:沫執(zhí)行工：執(zhí)行中21執(zhí)行完畢3廠執(zhí)行異常dftaskstatus1 = dftaskstatus.apply(status.get) df.assign(金額=0) # 新增字段dfloc(bar two), A # 多索引查詢df.query(*i0 = HbH & il = Hbn,) # 多索引查詢方法 2取多索引中指定級別的所有不重復值df.index.get_level_values(2).uni