通用功能

数据操作

melt(frame[, id_vars, value_vars, var_name, ...])	将 DataFrame 从宽格式透视到长格式，可以选择保留标识符集。
pivot(data, *, columns[, index, values])	返回按给定索引/列值组织的重塑DataFrame。
pivot_table(data[, values, index, columns, ...])	创建一个电子表格样式的数据透视表作为 DataFrame。
crosstab(index, columns[, values, rownames, ...])	计算两个（或更多）因素的简单交叉表。
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。
合并(左, 右[, 如何, 在, 左_在, ...])	使用数据库风格的连接合并 DataFrame 或命名 Series 对象。
merge_ordered(left, right[, on, left_on, ...])	对有序数据执行合并，可选择填充/插值。
merge_asof(left, right[, on, left_on, ...])	通过键距离执行合并。
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 创建一个分类的 DataFrame 。
factorize(values[, sort, use_na_sentinel, ...])	将对象编码为枚举类型或分类变量。
唯一(值)	基于哈希表返回唯一值。
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])	将 DataFrame 从宽格式透视到长格式。

顶级缺失数据

isna(obj)	检测数组类对象的缺失值。
isnull(obj)	检测数组类对象的缺失值。
notna(obj)	检测数组类对象的非缺失值。
notnull(obj)	检测数组类对象的非缺失值。

处理数值数据的顶级内容

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

将参数转换为数值类型。

处理类似日期时间数据的顶级内容

to_datetime(arg[, errors, dayfirst, ...])	将参数转换为日期时间。
to_timedelta(arg[, unit, errors])	将参数转换为 timedelta。
date_range([start, end, periods, freq, tz, ...])	返回一个固定频率的 DatetimeIndex。
bdate_range([开始, 结束, 周期, 频率, 时区, ...])	返回一个固定频率的 DatetimeIndex，默认以工作日为频率。
period_range([start, end, periods, freq, name])	返回一个固定频率的 PeriodIndex。
timedelta_range([start, end, periods, freq, ...])	返回一个固定频率的 TimedeltaIndex，默认以天为单位。
infer_freq(索引)	推断给定输入索引的最可能频率。

处理区间数据的顶级内容

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

返回一个固定频率的 IntervalIndex。

顶级评估

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

使用各种后端评估作为字符串的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, ...])	给定一个一维数组，返回一个确定性整数数组。
util.hash_pandas_object(obj[，index，...])	返回 Index/Series/DataFrame 的数据哈希。

从其他 DataFrame 库导入

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

从任何支持交换协议的 DataFrame 构建一个 pd.DataFrame。