pandas小技巧系列是介绍的是使用pandas分析数据时，最常用的一些操作技巧。

具体包括：

(资料图)

1. 创建测试数据学习pandas的过程中，为了尝试pandas提供的各类功能强大的函数，常常需要花费很多时间去创造测试数据。本篇介绍如何快速的创建测试数据。

2. 读取多个文件日常分析数据时，只有单一数据文件的情况其实很少见，更多的情况是，我们从同一个数据来源定期或不定期的采集了很多数据文件；或者从不同的数据源采集多种不同格式的数据文件。

   本篇介绍读取多个文件的技巧。

3. 随机挑选子集在 pandas 中，如果遇到数据量特别大的情况，随机挑选 DataFrame 的子集可以帮助我们更深入地了解数据，从而更好地进行数据分析和决策。

4. 按类型选择列这次介绍的是按照列的数据类型来选择列，按类型选择列可以帮助你快速选择正确的数据类型，提高数据分析的效率。

5. 修改列的名称重命名 pandas 数据中列的名称是一种常见的数据预处理任务。通常是因为原始数据中的列名称可能不够清晰或准确。例如，列名可能包含空格、大写字母、特殊字符或拼写错误。

   本篇介绍修改列名称的技巧。

6. 反转行列顺序反转pandas DataFrame的行列顺序是一种非常实用的操作。

   本篇介绍几种pandas中常用的反转行列顺序的方法。

7. 拆分列拆分列是pandas中常用的一种数据操作，它可以将一个包含多个值的列按照指定的规则拆分成多个新列，方便进行后续的分析和处理。

   本篇简要介绍下pandas拆分列的常用方法。

8. 缺失值的列在实际应用中，数据集中经常会存在缺失值，也就是某些数据项的值并未填充或者填充不完整。缺失值的存在可能会对后续的数据分析和建模产生影响，因此需要进行处理。

9. 字符串转数字字符串转数字的用途和场景很多，本篇介绍一些常用的字符串转数值的方法。

10. 列值的映射映射列值是指将一个列中的某些特定值映射为另外一些值，常用于数据清洗和转换。

11. 日期相关处理日期处理相关内容之前pandas基础系列中有一篇专门介绍过，本篇补充两个常用的技巧。

12. 数据转置所谓数据转置，就是是将原始数据表格沿着对角线翻折，使原来的行变成新的列，原来的列变成新的行，从而更方便地进行数据分析和处理。

    本篇介绍几个数据转置常用的场景，感受下转置前后数据展示的区别。

13. 统计值作为新列这次介绍的小技巧不是统计，而是把统计结果作为新列和原来的数据放在一起。

14. category类型补充category类型在pandas基础系列中有一篇介绍数据类型的文章中已经介绍过。category类型并不是python中的类型，是pandas特有的类型。

    本篇将补充介绍深入使用category类型时，经常会遇到的两个问题。

15. DataFrame显示参数我们在jupyter notebook中使用pandas显示DataFrame的数据时，由于屏幕大小，或者数据量大小的原因，常常会觉得显示出来的表格不是特别符合预期。

    这时，就需要调整pandas显示DataFrame的方式。pandas为我们提供了很多调整显示方式的参数，具体参见文末附录中的链接。本篇介绍几个我经常用到的参数来抛砖引玉。

16. DataFrame显示样式本篇介绍DataFrame的显示样式的调整，显示样式主要是对表格本身的调整，比如颜色，通过颜色可以突出显示重要的值，观察数据时可以更加高效的获取主要信息。

17. 花哨的DataFrame最近github上发现了一个库（plottable），可以用简单的方式就设置出花哨的 DataFrame 样式。

关键词：