一般函數

資料處理

melt(frame[, id_vars, value_vars, var_name, ...])	將資料框從寬式轉換為長式格式，並選擇性地保留識別項。
pivot(data, *, columns[, index, values])	傳回經過重新整理的資料框，並依據指定的索引/欄位值進行整理。
pivot_table(data[, values, index, columns, ...])	建立資料框，作為試算表樣式的樞紐資料表。
crosstab(index, columns[, values, rownames, ...])	計算兩個（或更多）因子的簡單交叉分類。
cut(x, bins[, right, labels, retbins, ...])	將值分組為離散區間。
qcut(x, q[, labels, retbins, precision, ...])	基於分位數的離散化函數。
合併(左邊, 右邊[, 如何, 在, 左邊_在, ...])	使用資料庫樣式連接合併資料框或命名序列物件。
合併_已排序(左邊, 右邊[, 在, 左邊_在, ...])	針對已排序資料執行合併，並可選擇填補/內插。
合併_截至(左邊, 右邊[, 在, 左邊_在, ...])	根據關鍵距離執行合併。
串接(物件, *[, 軸, 連接, 忽略_索引, ...])	沿著特定軸串接 pandas 物件。
取得_虛擬(資料[, 前綴, 前綴_分隔, ...])	將分類變數轉換為虛擬/指標變數。
從_虛擬(資料[, 分隔, 預設_類別])	從虛擬變數的 資料框 建立分類 資料框。
factorize(values[, sort, use_na_sentinel, ...])	將物件編碼為列舉類型或類別變數。
unique(values)	根據雜湊表傳回唯一值。
lreshape(data, groups[, dropna])	將寬格式資料重新塑造成長格式。
wide_to_long(df, stubnames, i, j[, sep, suffix])	將資料框從寬格式展開成長格式。

頂層遺失資料

isna(obj)	偵測陣列類似物件的遺失值。
isnull(obj)	偵測陣列類似物件的遺失值。
notna(obj)	偵測陣列類似物件的非遺失值。
notnull(obj)	偵測陣列類似物件的非遺失值。

頂層處理數值資料

to_numeric(arg[, errors, downcast, ...])

將參數轉換為數值類型。

處理 datetimelike 資料的頂層

to_datetime(arg[, errors, dayfirst, ...])	將參數轉換為 datetime。
to_timedelta(arg[, unit, errors])	將參數轉換為 timedelta。
date_range([start, end, periods, freq, tz, ...])	傳回固定頻率的 DatetimeIndex。
bdate_range([start, end, periods, freq, tz, ...])	傳回固定頻率的 DatetimeIndex，預設為營業日。
period_range([start, end, periods, freq, name])	傳回固定頻率的 PeriodIndex。
timedelta_range([start, end, periods, freq, ...])	傳回固定頻率的 TimedeltaIndex，預設為天。
infer_freq(index)	根據輸入索引推斷最可能的頻率。

處理區間資料的頂層

interval_range([start, end, periods, freq, ...])

傳回固定頻率的 IntervalIndex。

頂層評估

eval(expr[, parser, engine, local_dict, ...])

使用各種後端將 Python 表達式評估為字串。

日期時間格式

tseries.api.guess_datetime_format(dt_str[, ...])

猜測給定日期時間字串的日期時間格式。

雜湊

util.hash_array(vals[, encoding, hash_key, ...])	給定一維陣列，傳回確定性整數陣列。
util.hash_pandas_object(obj[, index, ...])	傳回 Index/Series/DataFrame 的資料雜湊。

從其他 DataFrame 函式庫匯入

api.interchange.from_dataframe(df[, allow_copy])

從任何支援交換協定的 DataFrame 建立 pd.DataFrame。