Python库常用函数
1.pandas库
（1）数据读取与写入
读取 CSV 文件：
data = pd.read_csv('file.csv')
读取 Excel 文件：
data = pd.read_excel('file.xlsx', sheet_name='Sheet1')
写入 CSV 文件：
data.to_csv('new_file.csv', index=False)
写入 Excel 文件：
data.to_excel('new_file.xlsx', sheet_name='Sheet1', index=False)
（2)数据查看与探索
查看数据前几行：
data.head(n)（n为要查看的行数，默认为 5）
查看数据基本信息（列名、数据类型、非空值数量等）：
data.info()
查看数据统计描述（计数、均值、标准差、最小值、最大值等）：
data.describe()
获取数据形状（行数和列数）：
data.shape
获取列名列表：
data.columns
(3)数据选择与过滤
按列名选择单列：
column_data = data['column_name']
按列名选择多列：
selected_data = data[['column1', 'column2', 'column3']]
按行索引选择单行：
row_data = data.loc[index]
按行索引选择多行：
selected_rows = data.loc[start_index:end_index]
按条件过滤数据：
filtered_data = data[data['column_name'] > value]
(4)数据处理与清洗
删除包含缺失值的行：
data.dropna(axis=0, how='any', inplace=True)（axis=0表示按行操作，how='any'表示只要有一个缺失值就删除该行，inplace=True表示直接在原数据上修改）
删除包含缺失值的列：
data.dropna(axis=1, how='any', inplace=True)
填充缺失值：
data.fillna(value, inplace=True)（value为要填充的值）
数据去重：
data.drop_duplicates(subset=['column1', 'column2'], keep='first', inplace=True)（subset指定要根据哪些列去重，keep='first'表示保留第一次出现的重复行）
数据类型转换：
data['column_name'] = data['column_name'].astype('new_type')（new_type可以是int、float、str等）
(5)数据分组与聚合
按列分组并计算某列的总和：
grouped_data = data.groupby('group_column')['sum_column'].sum()
按列分组并计算多个聚合函数：
grouped_data = data.groupby('group_column').agg({'sum_column': 'sum', 'count_column': 'count'})
(6)数据合并与连接
按索引合并两个数据框：
merged_data = pd.merge(data1, data2, left_index=True, right_index=True)
按指定列合并两个数据框：
merged_data = pd.merge(data1, data2, on='common_column')
2.numpy库
(1）创建数组
创建一维数组：
arr = np.array([1, 2, 3, 4, 5])
创建二维数组：
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
(2)数组基本操作
获取数组形状：
arr.shape
获取数组维度：
arr.ndim
获取数组元素个数：
arr.size
数组索引与切片（与 Python 列表类似）
(3)数组计算与统计
数组元素求和：
np.sum(arr)
数组元素均值：
np.mean(arr)
数组元素标准差：
np.std(arr)
数组元素最大值：
np.max(arr)
数组元素最小值：
np.min(arr)