pandas是Python中一个流行的数据分析库，提供了大量的数据处理、清洗、分析和可视化的函数和工具。以下是pandas中一些常用的函数：
- 数据读取与写入函数：如
read_csv()，read_excel()，to_csv()，to_excel()等。 - 数据查看函数：如
head()，tail()，sample()等，这些函数可以帮助我们查看数据的前几行、后几行、随机几行等。 - 数据选择函数：如
loc()，iloc()，at()，iat()等，这些函数可以帮助我们选择数据中的子集或者特定的元素。 - 数据清洗函数：如
drop()，fillna()，replace()等，这些函数可以帮助我们删除缺失值、填充缺失值、替换特定的值等。 - 数据统计函数：如
describe()，value_counts()，mean()，std()等，这些函数可以帮助我们计算数据集的各种统计指标。 - 数据合并与分组函数：如
merge()，concat()，groupby()等，这些函数可以帮助我们将多个数据集合并，或者根据某些条件进行数据分组。 - 数据绘图函数：如
plot()，hist()，scatter()等，这些函数可以帮助我们绘制各种统计图表，以更加直观地了解数据的分布、趋势等。
以下是一个例子：
先创建一个数据集用于演示
import pandas as pd
# 创建数据集
data = {
'英雄名称': ['鲁班七号', '孙尚香', '铠', '亚瑟', '李白', '赵云', '露娜', '安琪拉'],
'英雄定位': ['射手', '射手', '战士', '战士', '刺客', '战士', '刺客', '法师'],
'英雄攻击类型': ['物理', '物理', '物理', '物理', '物理', '物理', '物理', '魔法'],
'英雄上手难度': [2, 2, 2, 2, 3, 2, 2, 4]
}
df = (data)
# 选择列
df[['英雄名称', '英雄定位', '英雄攻击类型', '英雄上手难度']]输出结果如下：
英雄名称 英雄定位 英雄攻击类型 英雄上手难度
0 鲁班七号 射手 物理 2
1 孙尚香 射手 物理 2
2 铠 战士 物理 2
3 亚瑟 战士 物理 2
4 李白 刺客 物理 3
5 赵云 战士 物理 2
6 露娜 刺客 物理 2
7 安琪拉 法师 魔法 4数据查看函数
# 查看数据集的前3行
(3)
# 查看数据集的后3行
(3)
# 查看数据集的形状（行数和列数）
# 查看数据集的列名
# 查看数据集的索引
# 查看数据集的数据类型
# 查看数据集的摘要统计信息
()数据选择函数
#选择某一列数据
df['英雄名称']
#选择多列数据
df[['英雄名称', '英雄定位']]
#根据条件选择行数据
df[df['英雄上手难度'] < 3]
#多条件筛选
df[(df['英雄上手难度'] < 3) & (df['英雄攻击类型'] == '物理')]
#根据行索引选择数据
[0:2]
# 选择第3行第2列的数据
[2, 1]
#使用 loc 函数
# 选择第一行和第一列的值
[0, '英雄名称']
# 选择第二到第四行和第二到第三列的值
[1:3, '英雄定位':'英雄攻击类型']
# 选择英雄上手难度为2的行的所有列的值
[df['英雄上手难度'] == 2, :]
# 选择英雄攻击类型为物理，且英雄上手难度为2的行的所有列的值
[(df['英雄攻击类型'] == '物理') & (df['英雄上手难度'] == 2), :]
#使用 iloc 函数
# 选择第一行和第一列的值
[0, 0]
# 选择第二到第四行和第二到第三列的值
[1:4, 1:3]
# 选择英雄上手难度为2的行的所有列的值
[(df['英雄上手难度'] == 2).values, :]
# 选择英雄攻击类型为物理，且英雄上手难度为2的行的所有列的值
[((df['英雄攻击类型'] == '物理') & (df['英雄上手难度'] == 2)).values, :]纸上得来终觉浅，绝知此事要躬行。
本例中未给出运行结果，可在自己电脑运行试下，或者在其它数据集上再进行尝试。
——AI辅助创作。