Pyhton - 数据分析之pandas模块一览总表( 三 ) _索引

s.str.upper()
将/Index中的字符串转换为大写。
s.str.len()
计算字符串长度。
s.str.strip()
帮助从两侧的系列/索引中的每个字符串中删除空格(包括换行符) 。
s.str.split()
用给定的模式拆分每个字符串。# s.str.split(’ ')
s.str.cat(sep=)
使用给定的分隔符连接系列/索引元素。# s.str.cat(sep=’ ')
s.str.()
返回具有单热编码值的数据帧() 。
s.str.()
如果元素中包含子字符串，则返回每个元素的布尔值True，否则为False 。#s.str.(’ ')包含空格返回True
s.str.(a,b)
将值a替换为值b 。
s.str.(value)
重复每个元素指定的次数value 。
s.str.count()
返回模式中每个元素的出现总数。
s.str.()
如果系列/索引中的元素以模式开始，则返回true 。
s.str.()
如果系列/索引中的元素以模式结束，则返回true 。
s.str.find()
返回模式第一次出现的位置。-1表示元素中没有这样的模式可用。
s.str.()
返回模式的所有出现的列表。空列表([])表示元素中没有这样的模式可用。
s.str.
变换字母大小写。
s.str.()
检查系列/索引中每个字符串中的所有字符是否小写，返回布尔值。
s.str.()
检查系列/索引中每个字符串中的所有字符是否大写，返回布尔值。
s.str.()
检查系列/索引中每个字符串中的所有字符是否为数字，返回布尔值。
6. 描述性统计函数
描述性统计，有很多方法用来计算的描述性统计信息和其他相关操作。其中大多数是sum()，mean()等聚合函数，但其中一些，如()，产生一个相同大小的对象。一般来说，这些方法采用轴参数，就像.{sum，std，…}，但轴可以通过名称或整数来指定。
函数说明
len(df)
统计行数。# print(len(df))不包括表头（列标签）
df.count()
返回每列的计数（计数仅包括非空值的数量）
df.sum(axis)
返回所请求轴的值的总和，默认情况下axis=0 。
df.mean()
返回每列的平均值
df.std()
返回数值列的标准偏差
df.( )
计算有关列的统计信息的摘要。该函数给出了平均值，标准差和IQR值。而且，函数排除字符列，并给出关于数字列的摘要。【是用于传递关于什么列需要考虑用于总结的必要信息的参数，获取值列表，默认情况下是汇总数字列(数字值)，汇总字符串列，all 将所有列汇总在一起(不应将其作为列表值传递) 。】
df.head(n)
返回前n行(观察索引值) 。默认数量为5，可以传递自定义数值。
df.tail(n)
返回最后n行(观察索引值) 。默认数量为5，可以传递自定义数值。
df.()
返回每列的中位数
df.mode()
值的模值，众数
df.min()
所有值中的最小值
df.max()
所有值中的最大值
df.abs()
绝对值
df.prod()
数组元素的乘积
df.()
累计总和
df.()
累计乘积。sum()，()函数能与数字和字符(或)字符串数据元素一起工作，不会产生任何错误。字符聚合从来都比较少被使用，虽然这些函数不会引发任何异常。由于这样的操作无法执行，因此，当包含字符或字符串数据时，像abs()，()这样的函数会抛出异常。
df.mad()
平均绝对方差
df.()
累计最大值
df.()
累计最小值
df.var()
方差
df.sem()
标准误差
df.skew()
偏差
df.kurt()
样本值峰度
df.()
分位数
df[‘lable’].()
统计有多少种不同的值
df[‘lable’].()