一. apply函数
作用：对 DataFrame 的某行/列应用函数之后，Apply 返回一些值。函数既可以使用默认的，也可以自定义。注意：在第二个输出中应用 head() 函数，因为它包含了很多行。
#创建一个新函数 def num_missing(x): return sum(x.isnull()) #应用每一列 print "Missing values per column:" print data.apply(num_missing, axis=0) #axis=0 defines that function is to be applied on each column #应用每一行 print "\nMissing values per row:" print data.apply(num_missing, axis=1).head() #axis=1 defines that function is to be applied on each row
二. loc函数
作用：选择属性子集
subSalesDf=salesDf.loc[0:4,‘购药时间‘:‘销售数量‘]
三. rename函数
作用：列重命名
colNameDict = {‘购药时间‘:‘销售时间‘} #将‘购药时间’改为‘销售时间’
salesDf.rename(columns = colNameDict,inplace=True)
四. dropna函数
作用：删除缺失值，how=‘any‘意为在给定的任何一列中有缺失值就删除
salesDf=salesDf.dropna(subset=[‘销售时间‘,‘社保卡号‘],how=‘any‘) #删除列（销售时间，社保卡号）中为空的行
五. pd.to_datetime函数
作用：字符串类型的数据转换成日期格式。传入的格式是原始数据的日期格式——format=‘%Y-%m-%d‘固定写法：Y表示年、m表示月、d表示日。
salesDf.loc[:,‘销售时间‘]=pd.to_datetime(salesDf.loc[:,‘销售时间‘], format=‘%Y-%m-%d‘, errors=‘coerce‘)
errors=‘coerce‘： 如果原始数据不符合日期的格式，转换后的值为空值NaT。所以转换之后我们还要运行一次删除空值的代码，因为不符合格式的日期被转变为了空值需要删除。
salesDf=salesDf.dropna(subset=[‘销售时间‘,‘社保卡号‘],how=‘any‘)
六. pd.sort_values
作用：对数据进行排序，by表示按那几列进行排序，ascending=True 表示升序排列，ascending=False表示降序排列
salesDf=salesDf.sort_values(by=‘销售时间‘, #按销售日期进行升序排列 ascending=True)
七. reset_index函数
作用：生成从0到N按顺序的索引值
salesDf=salesDf.reset_index(drop=True)
八. describe函数
作用：查看数据框中所有数据每列的描述统计信息：（count：总数，mean：平均数，std：标准差，min：最小值，25%：下四分位数，50%：中位数，75%：上四分位数，max：最大值）
salesDf.describe()
九. 删除异常值
作用：假设最小值出现了小于0的情况，分析应该是记录过程中出现错误所致。
第一步：设置查询条件，这一步返回True和false
querySer=salesDf.loc[:,‘销售数量‘]>0
第二步：应用查询条件
salesDf=salesDf.loc[querySer,:]
十. drop_duplicates函数
作用：将重复的数据删除，同一个人发生的所有消费算作一次消费，根据列名（销售时间，社区卡号），如果这两个列值同时相同，只保留1条
kpi1_Df=salesDf.drop_duplicates( subset=[‘销售时间‘, ‘社保卡号‘] )
十一. groupby
作用：根据某一列分组
gb=groupDf.groupby(groupDf.index.month)
对分组后的数据应用函数
mounthDf=gb.sum()
原文：https://www.cnblogs.com/WYLFZ/p/10752436.html