通用函数

数据操作

melt (frame[, id_vars, value_vars, var_name, ...])	将 DataFrame 从宽格式重塑为长格式，并可选择保留标识符。
pivot (data, *, columns[, index, values])	返回由给定的索引/列值组织的重塑后的 DataFrame。
pivot_table (data[, values, index, columns, ...])	创建电子表格风格的透视表作为 DataFrame。
crosstab (index, columns[, values, rownames, ...])	计算两个（或多个）因子的简单交叉表。
cut (x, bins[, right, labels, retbins, ...])	将值分箱到离散区间。
qcut (x, q[, labels, retbins, precision, ...])	基于分位数的离散化函数。
merge (left, right[, how, on, left_on, ...])	将 DataFrame 或命名 Series 对象与数据库风格的连接（join）进行合并。
merge_ordered (left, right[, on, left_on, ...])	对有序数据执行合并，并可选择填充/插值。
merge_asof (left, right[, on, left_on, ...])	按键距离执行合并。
concat (objs, *[, axis, join, ignore_index, ...])	沿特定轴连接 pandas 对象。
get_dummies (data[, prefix, prefix_sep, ...])	将分类变量转换为虚拟/指示变量.
from_dummies (data[, sep, default_category])	从虚拟变量的 DataFrame 创建一个分类 DataFrame。
factorize (values[, sort, use_na_sentinel, ...])	将对象编码为枚举类型或分类变量。
unique (values)	ndarray，当输入是 Series/ndarray 时
lreshape (data, groups[, dropna])	将宽格式数据重塑为长格式。
wide_to_long (df, stubnames, i, j[, sep, suffix])	str 或类列表

顶层缺失值处理

isna (obj)	检测类数组对象中的缺失值。
isnull (obj)	检测类数组对象中的缺失值。
notna (obj)	检测类数组对象的非缺失值。
notnull (obj)	检测类数组对象的非缺失值。

顶层数值数据处理

to_numeric (arg[, errors, downcast, ...])

将参数转换为数字类型。

顶层日期时间数据处理

to_datetime (arg[, errors, dayfirst, ...])	将参数转换为 datetime。
to_timedelta (arg[, unit, errors])	将参数转换为 timedelta。
date_range ([start, end, periods, freq, tz, ...])	返回固定频率的 DatetimeIndex。
bdate_range ([start, end, periods, freq, tz, ...])	返回固定频率的 DatetimeIndex，默认为工作日。
period_range ([start, end, periods, freq, name])	返回固定频率的 PeriodIndex。
timedelta_range ([start, end, periods, freq, ...])	返回一个固定频率的 TimedeltaIndex，默认为天。
infer_freq (index)	根据输入索引推断最可能的频率。

顶层 Interval 数据处理

interval_range ([start, end, periods, freq, ...])

返回固定频率的 IntervalIndex。

顶层求值

eval (expr[, parser, engine, local_dict, ...])

使用各种后端评估字符串格式的 Python 表达式。

日期时间格式

tseries.api.guess_datetime_format (dt_str[, ...])

猜测给定日期时间字符串的日期时间格式。

哈希

util.hash_array (vals[, encoding, hash_key, ...])	pandas.util.hash_pandas_object
util.hash_pandas_object (obj[, index, ...])	比 melt 更灵活但更用户友好。

从其他 DataFrame 库导入

api.interchange.from_dataframe (df[, allow_copy])

从任何支持 interchange 协议的 DataFrame 构建 pd.DataFrame。