Learning Path
浏览 Pandas 相关教程与章节。
AI Agent、机器学习、深度学习、数据分析与 Python 科学计算。
教程
124
Pandas Series API 手册 Series 是一种一维数组，能够存储任何数据类型（整数、字符串、浮点数、Python 对象等），并且每个元素都有一个标签，称为索引。 以下是 Pandas Series 的常用 API 手册： Series 构造函数 方法 描述 p..
Pandas Series.corr() 函数 Pandas 常用函数 Series.corr() 是 Pandas 中用于计算两个 Series 之间相关系数的函数。相关系数衡量两个变量之间的线性关系强度，取值范围为 -1 到 1。 相关系数接近 1 表示正相关，接近 -1 表示负相关，接近 0 表示几乎无相关。在数据分析、特征选择、回归分析等场景中广泛应用。 基本语法与参数 corr() 是 Series 对象的成员函数，需..
Pandas Series.cumsum() 函数 Pandas 常用函数 Series.cumsum() 是 Pandas 中用于计算 Series 累计和的函数。累计和是指从第一个元素开始，每个位置的值等于该位置之前所有元素之和（包括当前元素）。 累计和在金融数据分析（如计算累计收益）、销售分析（如计算累计销售额）、时间序列分析等场景中经常使用。 基本语法与参数 cumsum() 是 Series 对象的成员函数，直接通过点..
Pandas Series.dt.day 属性 Pandas 常用函数 Series.dt.day 是 Pandas 中用于提取日期时间中的天（日期）的属性。它是 dt 访问器的一部分，可以从 datetime 类型的 Series 中快速提取一个月中的第几天（1-31）。 在时间序列数据分析中，按天进行分析是常见需求，例如分析每月的某几天、识别周期性模式等。dt.day 属性使得这类操作变得简单高效。 单词释义： day 意为..
Pandas Series.dt.month 属性 Pandas 常用函数 Series.dt.month 是 Pandas 中用于提取日期时间的月份的属性。它是 dt 访问器的一部分，可以从 datetime 类型的 Series 中快速提取月份信息（1-12）。 在时间序列数据分析中，按月份进行分析是常见需求，例如月度报表、季节性分析等。dt.month 属性使得这类操作变得简单高效。 单词释义： month 意为'..
Pandas Series.dt.weekday 属性 Pandas 常用函数 Series.dt.weekday 是 Pandas 中用于提取日期对应的星期几的属性。它是 dt 访问器的一部分，返回一个整数表示星期几（0=周一，6=周日）。 在时间序列数据分析中，星期几是一个重要的维度，例如分析周末与工作日的差异、每周的销售模式等。dt.weekday 属性使得这类分析变得简单高效。 单词释义： weekday 意为'..
Pandas Series.dt.year 属性 Pandas 常用函数 Series.dt.year 是 Pandas 中用于提取日期时间的年份的属性。它是 dt 访问器的一部分，可以从 datetime 类型的 Series 中快速提取年份信息。 在时间序列数据分析中，经常需要按年份进行分组、筛选或聚合操作。dt.year 属性使得这类操作变得简单高效。 单词释义： year 意为'年份'，即返回日期中的..
Pandas Series.mean() 函数 Pandas 常用函数 Series.mean() 是 Pandas 中用于计算 Series 所有元素平均值的函数。平均值是最常用的统计指标之一，它代表了一组数据的中心趋势。 无论是计算平均工资、平均销售额还是平均成绩，mean() 都能帮助你快速完成。它是描述数据集中趋势的核心指标。 基本语法与参数 mean() 是 Series 对象的成员函数，直接通过点运算符调用。 语法..
Pandas Series.median() 函数 Pandas 常用函数 Series.median() 是 Pandas 中用于计算 Series 中位数（中间值）的函数。中位数是将数据排序后位于中间位置的值，它不受极端值影响，是描述数据集中趋势的稳健指标。 当数据中存在异常值或偏态分布时，中位数比平均值更能准确反映数据的中心位置。在收入数据分析、房价统计、成绩分析等场景中经常使用。 基本语法与参数 median() 是 S..
Pandas Series.quantile() 函数 Pandas 常用函数 Series.quantile() 是 Pandas 中用于计算 Series 分位数的函数。分位数是将有序数据分成若干等份的值，常用的有四分位数（25%、50%、75%）、中位数（50%）等。 分位数是描述数据分布的重要指标，可以帮助了解数据的分布形态、识别异常值。在统计分析、成绩排名、收入分析等场景中广泛应用。 基本语法与参数 quantile(..
Pandas Series.std() 函数 Pandas 常用函数 Series.std() 是 Pandas 中用于计算 Series 标准差的函数。标准差是衡量数据分散程度的指标，它表示数据与其平均值之间的平均偏差程度。 标准差越大，说明数据越分散；标准差越小，说明数据越集中。在质量控制、风险评估、考试成绩分析等场景中经常使用。 基本语法与参数 std() 是 Series 对象的成员函数，直接通过点运算符调用。 语法..
Pandas Series.str.contains() 函数 Pandas 常用函数 Series.str.contains() 是 Pandas 中用于检查字符串是否包含指定子串的函数。 在数据处理过程中，我们经常需要根据文本内容进行筛选和过滤，比如查找包含特定关键词的记录、过滤出符合某种模式的文本等。contains() 函数可以检查每个字符串元素是否包含指定的子串或正则表达式模式。 单词释义：contains 是'..
Pandas Series.str_len() 函数 Pandas 常用函数 Series.str.len() 是 Pandas 中用于计算字符串长度的函数。 在数据处理过程中，我们经常需要了解字符串的长度信息，比如验证输入长度、筛选特定长度的文本、分析文本长度分布等。len() 函数可以返回每个字符串元素的字符数量。 单词释义：len 是 'length'（长度）的缩写，表示返回字符串的字符数。 基本语法与..
Pandas Series.str.lower() 函数 Pandas 常用函数 Series.str.lower() 是 Pandas 中用于将字符串转换为小写的函数。 在数据处理过程中，我们经常需要统一字符串的大小写格式，比如将用户输入的名称、地址等转换为小写，以便进行统一的比较和查找。lower() 函数可以将 Series 中的所有字符串转换为小写形式。 单词释义：lower 是'降低、变小'的意思，在这..
Pandas Series.str.replace()函数 Pandas 常用函数 Series.str.replace() 是 Pandas 中用于替换字符串中指定内容的函数。 在数据处理过程中，我们经常需要对文本进行替换操作，比如修正错误文本、标准化数据格式、删除不需要的字符等。replace() 函数可以灵活地替换字符串中的指定内容，支持正则表达式匹配。 单词释义：replace 是'替换'的意思，表示用新..
Pandas Series.str.split() 函数 Pandas 常用函数 Series.str.split() 是 Pandas 中用于拆分字符串的函数。 在数据处理过程中，我们经常需要将一个字符串拆分成多个部分，比如将句子拆分成单词、将逗号分隔的值拆分成列表等。split() 函数可以按照指定的分隔符将字符串拆分成多个部分。 单词释义：split 是'分开、拆分'的意思，表示将字符串分割成多个部分。 ..
Pandas Series.str.strip()() 函数 Pandas 常用函数 Series.str.strip() 是 Pandas 中用于去除字符串两端空白字符的函数。 在数据处理过程中，我们经常需要清理用户输入或从文件读取的文本数据，这些数据两端可能包含多余的空格、制表符或换行符。strip() 函数可以去除字符串两端的空白字符，使数据更加干净整洁。 单词释义：strip 是'剥去、除去'的意思，在这..
Pandas Series.str.upper() 函数 Pandas 常用函数 Series.str.upper() 是 Pandas 中用于将字符串转换为大写的函数。 在数据处理过程中，我们经常需要统一字符串的大小写格式，比如将缩写词、标题等转换为大写形式，以便于阅读和识别。upper() 函数可以将 Series 中的所有字符串转换为大写形式。 单词释义：upper 是'上面的、较高的'意思，在这里表示将..
Pandas Series.sum() 函数 Pandas 常用函数 Series.sum() 是 Pandas 中用于计算 Series 所有元素之和的函数。它是数据分析中最常用的统计函数之一，可以快速获取数值型数据的总和。 无论是计算总销售额、总利润还是总数量，sum() 都能帮助你快速完成。特别适合处理金融数据、统计报表、销售数据分析等场景。 基本语法与参数 sum() 是 Series 对象的成员函数，直接通过点运算符调..
Pandas Series.var() 函数 Pandas 常用函数 Series.var() 是 Pandas 中用于计算 Series 方差的函数。方差是标准差的平方，它衡量数据的分散程度，是统计分析中的基础指标。 方差越大，说明数据越分散；方差越小，说明数据越集中。在统计分析、机器学习、信号处理等领域都有广泛应用。 基本语法与参数 var() 是 Series 对象的成员函数，直接通过点运算符调用。 语法格式 Seri..
Pandas 数据结构 - Series Series 是 Pandas 中的一个核心数据结构，类似于一个一维的数组，具有数据和索引。 Series 可以存储任何数据类型（整数、浮点数、字符串等），并通过标签（索引）来访问元素。 Series 的数据结构是非常有用的，因为它可以处理各种数据类型，同时保持了高效的数据操作能力，比如可以通过标签来快速访问和操作数据。 Series 特点： 一维数组：Series 中的每个元素都有一个..
Pandas 数据排序与聚合 数据排序与聚合是数据分析中非常常见且重要的操作，特别是在大数据集中的数据分析时。排序帮助我们按特定标准对数据进行排列，而聚合则让我们对数据进行汇总，计算出各种统计量。Pandas 提供了强大的排序和聚合功能，能够帮助分析人员高效地处理数据。 操作 方法 说明 常用函数/方法 ..
Pandas 读取 SQL 数据库 Pandas 提供了一组直接与 SQL 数据库交互的函数，可以将查询结果直接读取为 DataFrame，也可以将 DataFrame 写回数据库。这使得数据分析师无需手动处理数据库连接和结果解析，大幅简化了数据库与 Python 的交互流程。 核心函数概览 函数 用途 返回类型 ..
Pandas 股票数据分析 在股票数据分析中，pandas 是一个非常强大的工具，可以帮助我们处理和分析股票市场的数据。 在本章节我们使用 yfinance（雅虎财经库）下载历史股票数据，并进行各种分析，包括数据清洗、可视化、技术指标计算等。 yfinance 是一个 Python 库，可以轻松地从雅虎财经（Yahoo Finance）获取股票、基金、加密货币等资产的历史和实时数据。通过 pandas，我们可以将这些数据存储为 Da..