maxframe.dataframe.DataFrame#
- class maxframe.dataframe.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False, chunk_size=None, gpu=None, sparse=None, num_partitions=None, dtype_backend=None)[源代码]#
- __init__(data=None, index=None, columns=None, dtype=None, copy=False, chunk_size=None, gpu=None, sparse=None, num_partitions=None, dtype_backend=None)[源代码]#
方法
__init__([data, index, columns, dtype, ...])abs()add(other[, axis, level, fill_value])获取 DataFrame 和 other 的加法，按元素计算（二元运算符 add）。
add_prefix(prefix)使用字符串 prefix 作为标签前缀。
add_suffix(suffix)使用字符串 suffix 作为标签后缀。
agg([func, axis])在指定轴上使用一个或多个操作进行聚合。
aggregate([func, axis])在指定轴上使用一个或多个操作进行聚合。
align(other[, join, axis, level, copy, ...])使用指定的连接方法在轴上对齐两个对象。
all([axis, bool_only, skipna, level, method])any([axis, bool_only, skipna, level, method])append(other[, ignore_index, ...])将 other 的行追加到调用者的末尾，返回一个新对象。
apply(func[, axis, raw, result_type, args, ...])沿 DataFrame 的轴应用函数。
applymap(func[, na_action, dtypes, dtype, ...])对 DataFrame 的每个元素应用函数。
around([decimals])将 DataFrame 四舍五入到可变的小数位数。
assign(**kwargs)为 DataFrame 分配新列。
astype(dtype[, copy, errors])将 pandas 对象转换为指定的 dtype。
at_time(time[, axis])选择一天中特定时间的值（例如，上午9:30）。
backfill([axis, inplace, limit, downcast])DataFrame.fillna()使用method='bfill'的同义词。between_time(start_time, end_time[, ...])选择一天中特定时间之间的值（例如，上午9:00-9:30）。
bfill([axis, inplace, limit, downcast])DataFrame.fillna()使用method='bfill'的同义词。clip([lower, upper, axis, inplace])在输入阈值处修剪值。
combine(other, func[, fill_value, overwrite])与另一个 DataFrame 执行按列组合。
combine_first(other)使用 other 中相同位置的值更新空元素。
compare(other[, align_axis, keep_shape, ...])与另一个 DataFrame 比较并显示差异。
convert_dtypes([infer_objects, ...])使用支持
pd.NA的数据类型将列转换为最佳的可能数据类型。copy()copy_from(obj)copy_to(target)corr([method, min_periods])计算列之间的成对相关性，排除 NA/null 值。
corrwith(other[, axis, drop, method])计算成对相关性。
count([axis, level, numeric_only])cov([min_periods, ddof, numeric_only])计算列之间的成对协方差，排除 NA/null 值。
cummax([axis, skipna])cummin([axis, skipna])cumprod([axis, skipna])cumsum([axis, skipna])describe([percentiles, include, exclude])生成描述性统计信息。
diff([periods, axis])元素的一阶离散差分。
div(other[, axis, level, fill_value])获取 DataFrame 和 other 的浮点除法，按元素计算（二元运算符 truediv）。
dot(other)计算 DataFrame 和 other 之间的矩阵乘法。
drop([labels, axis, index, columns, level, ...])从行或列中删除指定的标签。
drop_duplicates([subset, keep, inplace, ...])返回删除了重复行的 DataFrame。
droplevel(level[, axis])返回删除了请求的索引/列级别的 Series/DataFrame。
dropna([axis, how, thresh, subset, inplace, ...])删除缺失值。
duplicated([subset, keep, method])返回表示重复行的布尔 Series。
eq(other[, axis, level, fill_value])获取 DataFrame 和 other 的等于比较，按元素计算（二元运算符 eq）。
eval(expr[, inplace])评估描述 DataFrame 列操作的字符串。
ewm([com, span, halflife, alpha, ...])提供指数加权函数。
execute([session])expanding([min_periods, shift, reverse_range])提供扩展变换。
explode(column[, ignore_index, ...])将类列表的每个元素转换为一行，复制索引值。
ffill([axis, inplace, limit, downcast])DataFrame.fillna()使用 [method='ffill'] 的同义词。fillna([value, method, axis, inplace, ...])使用指定方法填充 NA/NaN 值。
filter([items, like, regex, axis])根据指定的索引标签对 DataFrame 的行或列进行子集选择。
返回第一个非 NA 值的索引，如果未找到非 NA 值则返回 None。
floordiv(other[, axis, level, fill_value])获取 DataFrame 和 other 的整数除法，按元素计算（二元运算符 floordiv）。
from_dict(data[, orient, dtype, columns])从数组类或字典的字典构造 DataFrame。
from_records(data[, index, exclude, ...])将结构化或记录型 ndarray 转换为 DataFrame。
from_tensor(tensor[, index, columns, gpu, ...])ge(other[, axis, level, fill_value])获取 DataFrame 和 other 的大于等于比较，按元素计算（二元运算符 ge）。
groupby([by, level, as_index, sort, ...])使用映射器或 Series 列对 DataFrame 进行分组。
gt(other[, axis, level, fill_value])获取 DataFrame 和 other 的大于比较，按元素计算（二元运算符 gt）。
head([n])返回前 n 行。
idxmax([axis, skipna])返回在请求轴上首次出现最大值的索引。
idxmin([axis, skipna])返回在请求轴上首次出现最小值的索引。
infer_objects([copy])尝试为对象列推断更好的数据类型。
insert(loc, column, value[, allow_duplicates])在指定位置将列插入 DataFrame。
isin(values)DataFrame 中的每个元素是否包含在值中。
isna()检测缺失值。
isnull()检测缺失值。
iterrows([batch_size, session])将 DataFrame 行作为 (index, Series) 对进行迭代。
itertuples([index, name, batch_size, session])将 DataFrame 行作为 namedtuples 进行迭代。
join(other[, on, how, lsuffix, rsuffix, ...])连接另一个 DataFrame 的列。
keys()获取 'info axis'（更多信息请参见索引部分）。
kurt([axis, skipna, level, numeric_only, ...])kurtosis([axis, skipna, level, ...])返回最后一个非 NA 值的索引，如果未找到非 NA 值则返回 None。
le(other[, axis, level, fill_value])获取 DataFrame 和 other 的小于等于比较，按元素计算（二元运算符 le）。
lt(other[, axis, level, fill_value])获取 DataFrame 和 other 的小于比较，按元素计算（二元运算符 lt）。
map(func[, na_action, dtypes, dtype, skip_infer])对 DataFrame 的每个元素应用函数。
mask(cond[, other, inplace, axis, level, ...])替换条件为 True 的值。
max([axis, skipna, level, numeric_only, method])mean([axis, skipna, level, numeric_only, method])median([axis, skipna, level, numeric_only, ...])melt([id_vars, value_vars, var_name, ...])将 DataFrame 从宽格式转换为长格式，可选择保留标识符集。
memory_usage([index, deep])返回每列的内存使用量（以字节为单位）。
merge(right[, how, on, left_on, right_on, ...])使用数据库风格的连接合并 DataFrame 或命名的 Series 对象。
min([axis, skipna, level, numeric_only, method])mod(other[, axis, level, fill_value])获取 DataFrame 和 other 的模运算，按元素计算（二元运算符 mod）。
mode([axis, numeric_only, dropna, combine_size])获取沿选定轴的每个元素的众数。
mul(other[, axis, level, fill_value])获取 DataFrame 和 other 的乘法，按元素计算（二元运算符 mul）。
multiply(other[, axis, level, fill_value])获取 DataFrame 和 other 的乘法，按元素计算（二元运算符 mul）。
ne(other[, axis, level, fill_value])获取 DataFrame 和 other 的不等于比较，按元素计算（二元运算符 ne）。
nlargest(n, columns[, keep])返回按 columns 降序排列的前 n 行。
notna()检测存在的（非缺失）值。
notnull()检测存在的（非缺失）值。
nsmallest(n, columns[, keep])返回按 columns 升序排列的前 n 行。
nunique([axis, dropna])计算请求轴上的不同观测值数量。
pad([axis, inplace, limit, downcast])DataFrame.fillna()使用 [method='ffill'] 的同义词。pct_change([periods, fill_method, limit, freq])当前元素与前一个元素之间的百分比变化。
pivot(columns[, index, values])返回按给定索引/列值组织的重塑 DataFrame。
pivot_table([values, index, columns, ...])创建一个电子表格风格的数据透视表作为 DataFrame。
pop(item)返回项目并从框架中删除。
pow(other[, axis, level, fill_value])获取 DataFrame 和 other 的指数幂，按元素计算（二元运算符 pow）。
prod([axis, skipna, level, min_count, ...])product([axis, skipna, level, min_count, ...])quantile([q, axis, numeric_only, interpolation])返回在请求轴上给定分位数的值。
query(expr[, inplace])使用布尔表达式查询 DataFrame 的列。
radd(other[, axis, level, fill_value])获取 DataFrame 和 other 的加法，按元素计算（二元运算符 radd）。
rank([axis, method, numeric_only, ...])沿轴计算数值数据的排名（从1到n）。
rdiv(other[, axis, level, fill_value])获取 DataFrame 和 other 的浮点除法，按元素计算（二元运算符 rtruediv）。
rechunk(chunk_size[, reassign_worker])重新划分 DataFrame、Series 或 Index 数据的分片。
reindex([labels, index, columns, axis, ...])使 Series/DataFrame 符合带有可选填充逻辑的新索引。
reindex_like(other[, method, copy, limit, ...])返回一个与另一个对象具有匹配索引的对象。
rename([mapper, index, columns, axis, copy, ...])更改轴标签。
rename_axis([mapper, index, columns, axis, ...])为索引或列设置轴的名称。
reorder_levels(order[, axis])使用输入顺序重新排列索引级别。
replace([to_replace, value, inplace, limit, ...])将 to_replace 中给出的值替换为 value。
reset_index([level, drop, inplace, ...])重置索引，或其一个级别。
rfloordiv(other[, axis, level, fill_value])获取 DataFrame 和 other 的整数除法，按元素计算（二元运算符 rfloordiv）。
rmod(other[, axis, level, fill_value])获取 DataFrame 和 other 的模运算，按元素计算（二元运算符 rmod）。
rmul(other[, axis, level, fill_value])获取 DataFrame 和 other 的乘法，按元素计算（二元运算符 rmul）。
rolling(window[, min_periods, center, ...])提供滚动窗口计算。
round([decimals])将 DataFrame 四舍五入到可变的小数位数。
rpow(other[, axis, level, fill_value])获取 DataFrame 和 other 的指数幂，按元素计算（二元运算符 rpow）。
rsub(other[, axis, level, fill_value])获取 DataFrame 和 other 的减法，按元素计算（二元运算符 rsubtract）。
rtruediv(other[, axis, level, fill_value])获取 DataFrame 和 other 的浮点除法，按元素计算（二元运算符 rtruediv）。
sample([n, frac, replace, weights, ...])从对象的轴返回随机样本项。
select_dtypes([include, exclude])基于列的数据类型返回 DataFrame 列的子集。
sem([axis, skipna, level, ddof, ...])set_axis(labels[, axis, inplace])将所需索引分配给给定轴。
set_index(keys[, drop, append, inplace, ...])使用现有列设置 DataFrame 索引。
shift([periods, freq, axis, fill_value])通过所需的周期数移动索引，并可选择时间 freq。
skew([axis, skipna, level, numeric_only, ...])sort_index([axis, level, ascending, ...])按标签（沿轴）对对象进行排序。
sort_values(by[, axis, ascending, inplace, ...])沿任一轴按值排序。
stack([level, dropna])将指定级别从列堆叠到索引。
std([axis, skipna, level, ddof, ...])sub(other[, axis, level, fill_value])获取 DataFrame 和 other 的减法，按元素计算（二元运算符 subtract）。
sum([axis, skipna, level, min_count, ...])swaplevel([i, j, axis])在
MultiIndex中交换级别 i 和 j。tail([n])返回最后 n 行。
take(indices[, axis])返回沿轴的给定*位置*索引中的元素。
to_clipboard(*[, excel, sep, batch_size, ...])将对象复制到系统剪贴板。
to_csv(path[, sep, na_rep, float_format, ...])将对象写入逗号分隔值 (csv) 文件。
to_dict([orient, into, index, batch_size, ...])将 DataFrame 转换为 Python dict
to_json([path, orient, date_format, ...])将对象转换为 JSON 字符串
to_lance(path[, mode, index, index_label, ...])Write a DataFrame to a Lance dataset.
to_odps_table(table[, partition, ...])将 DataFrame 对象写入 MaxCompute (ODPS) 表。
to_pandas([session])to_parquet(path[, engine, compression, ...])将 DataFrame 以二进制 parquet 格式写入，每个数据块将被写入一个 Parquet 文件。
to_tensor()transform(func[, axis, dtypes, skip_infer])在 self 上调用 func 产生一个具有转换值的 DataFrame。
transpose()转置索引和列。
truediv(other[, axis, level, fill_value])获取 DataFrame 和 other 的浮点除法，按元素计算（二元运算符 truediv）。
truncate([before, after, axis, copy])在某个索引值之前和之后截断 Series 或 DataFrame。
tshift([periods, freq, axis])移动时间索引，如果可用则使用索引的频率。
unstack([level, fill_value])取消堆叠，也称为数据透视，将具有 MultiIndex 的 Series 转换为 DataFrame。
update(other[, join, overwrite, ...])使用来自另一个 DataFrame 的非 NA 值就地修改。
value_counts([subset, normalize, sort, ...])var([axis, skipna, level, ddof, ...])where(cond[, other, inplace, axis, level, ...])替换条件为 False 的值。
xs(key[, axis, level, drop_level])从 Series/DataFrame 返回横截面。
属性