Python的數據分析庫pandas有哪些常用操作

Python的數據分析庫pandas提供了豐富的操作方法，以下是一些常用操作的簡要介紹：

1. 數據讀取與寫入：pandas支持多種數據格式，如CSV、Excel、JSON等。使用pd.read_csv()、pd.read_excel()等方法可以讀取相應格式的數據，而使用pd.to_csv()、pd.to_excel()等方法可以將數據寫入相應格式的文件中。
2. 數據清洗：pandas提供了多種數據清洗功能，如去除重復值、缺失值處理、數據類型轉換等。使用drop_duplicates()方法可以去除重復行，使用dropna()方法可以刪除包含缺失值的行或列，使用astype()方法可以轉換數據的類型。
3. 數據篩選：pandas提供了多種數據篩選方法，如基于條件篩選、切片操作等。使用布爾索引可以基于條件篩選數據，使用切片操作可以選取數據的一部分。
4. 數據排序：pandas提供了多種數據排序方法，如按列排序、按行排序等。使用sort_values()方法可以按指定列或行排序，使用sort_index()方法可以按索引排序。
5. 數據統計：pandas提供了多種數據統計功能，如計算平均值、中位數、標準差等。使用mean()、median()、std()等方法可以計算相應統計量。
6. 數據合并：pandas提供了多種數據合并方法，如按列合并、按行合并等。使用merge()方法可以按指定列或行合并數據，使用concat()方法可以將多個數據對象堆疊在一起。
7. 數據重塑：pandas提供了多種數據重塑功能，如轉置、透視表等。使用transpose()方法可以轉置數據，使用pivot_table()方法可以創建透視表。
8. 時間序列處理：pandas提供了豐富的日期和時間序列處理功能，如日期解析、日期范圍生成、頻率轉換等。使用pd.to_datetime()方法可以解析日期字符串，使用date_range()方法可以生成日期范圍，使用resample()方法可以進行頻率轉換。

以上只是pandas常用操作的一部分，實際上pandas還提供了很多其他高級功能和操作方法，可以滿足各種復雜的數據分析需求。