Ссылка на API

Ввод/Вывод

Запись в двоичный файл

read_pickle(path) Загрузить сериализованный объект pandas (или любой другой сериализованный объект) из указанного

Плоские файлы

`read_table`(filepath_or_buffer[, sep, ...])	Чтение общего файла с разделителями в DataFrame
`read_csv`(filepath_or_buffer[, sep, ...])	Чтение файла CSV (разделенного запятыми) в DataFrame
`read_fwf`(filepath_or_buffer[, colspecs, widths])	Чтение таблицы с фиксированной шириной строк в DataFrame

Буфер обмена

read_clipboard(**kwargs) Чтение текста из буфера обмена и передача его в read_table.

Excel

`read_excel`(io[, sheetname, header, ...])	Чтение таблицы Excel в pandas DataFrame
`ExcelFile.parse`([sheetname, header, ...])	Парсинг указанного листа(ов) в DataFrame

JSON

read_json([path_or_buf, orient, typ, dtype, ...]) Преобразование JSON-строки в объект pandas

json_normalize(data[, record_path, meta, ...]) «Нормализация» полуструктурированных JSON-данных в плоскую таблицу

HTML

read_html(io[, match, flavor, header, ...]) Чтение HTML-таблиц в list объектов DataFrame.

HDFStore: PyTables (HDF5)

`read_hdf`(path_or_buf[, key])	чтение из хранилища, закрытие его, если мы его открыли
`HDFStore.put`(key, value[, format, append])	Хранение объекта в HDFStore
`HDFStore.append`(key, value[, format, ...])	Добавление в таблицу в файле.
`HDFStore.get`(key)	Получение сохранённого в файле объекта pandas
`HDFStore.select`(key[, where, start, stop, ...])	Получение сохранённого в файле объекта pandas, при необходимости на основе where

SAS

read_sas(filepath_or_buffer[, format, ...]) Чтение SAS-файлов, хранящихся в формате XPORT или SAS7BDAT.

SQL

`read_sql_table`(table_name, con[, schema, ...])	Чтение таблицы базы данных SQL в DataFrame.
`read_sql_query`(sql, con[, index_col, ...])	Чтение SQL-запроса в DataFrame.
`read_sql`(sql, con[, index_col, ...])	Чтение SQL-запроса или таблицы базы данных в DataFrame.

Google BigQuery

`read_gbq`(query[, project_id, index_col, ...])	Загрузка данных из Google BigQuery.
`to_gbq`(dataframe, destination_table, project_id)	Запись DataFrame в таблицу Google BigQuery.

STATA

read_stata(filepath_or_buffer[, ...]) Чтение Stata-файла в DataFrame

`StataReader.data`(**kwargs)	УСТАНОВЛЕНО: Чтение наблюдений из Stata-файла, преобразование их в таблицу
`StataReader.data_label`()	Возвращает метку данных файла Stata
`StataReader.value_labels`()	Возвращает словарь, сопоставляющий каждое имя переменной словарю, сопоставляющему
`StataReader.variable_labels`()	Возвращает метки переменных в виде словаря, сопоставляющего каждое имя переменной
`StataWriter.write_file`()

Общие функции

Обработка данных

`melt`(frame[, id_vars, value_vars, var_name, ...])	«Транспонирует» DataFrame из широкого формата в длинный, при необходимости оставляя
`pivot`(index, columns, values)	Создать сводную таблицу на основе 3 столбцов этого DataFrame.
`pivot_table`(data[, values, index, columns, ...])	Создать сводную таблицу в формате таблицы со значениями.
`crosstab`(index, columns[, values, rownames, ...])	Вычислить простую сводную таблицу двух (или более) факторов.
`cut`(x, bins[, right, labels, retbins, ...])	Возвращает индексы полуоткрытых бинов, к которым принадлежит каждое значение `x`.
`qcut`(x, q[, labels, retbins, precision])	Функция дискретизации на основе квантилей.
`merge`(left, right[, how, on, left_on, ...])	Объединить объекты DataFrame, выполнив операцию соединения по столбцам или индексам в стиле базы данных.
`concat`(objs[, axis, join, join_axes, ...])	Конкатенация объектов pandas по конкретной оси с необязательной логикой множества по другим осям.
`get_dummies`(data[, prefix, prefix_sep, ...])	Преобразование категориальной переменной в фиктивные/указательные переменные
`factorize`(values[, sort, order, ...])	Кодирование входных значений как перечислимого типа или категориальной переменной

Основные пропущенные данные

`isnull`(obj)	Обнаружение пропущенных значений (NaN в числовых массивах, None/NaN в массивах объектов)
`notnull`(obj)	Замена numpy.isfinite / -numpy.isnan, подходящая для использования с массивами объектов.

Основные преобразования

to_numeric(arg[, errors]) Преобразование аргумента в числовой тип.

Обработка объектов datetime

`to_datetime`(args, *kwargs)	Преобразовать аргумент в datetime.
`to_timedelta`(args, *kwargs)	Преобразовать аргумент в timedelta
`date_range`([start, end, periods, freq, tz, ...])	Возвращает индекс дат с фиксированной частотой, по умолчанию день (календарь)
`bdate_range`([start, end, periods, freq, tz, ...])	Возвращает индекс дат с фиксированной частотой, по умолчанию рабочий день
`period_range`([start, end, periods, freq, name])	Возвращает индекс дат с фиксированной частотой, по умолчанию день (календарь)
`timedelta_range`([start, end, periods, freq, ...])	Возвращает индекс временных интервалов с фиксированной частотой, по умолчанию день
`infer_freq`(index[, warn])	Определение наиболее вероятной частоты на основе входного индекса.

Уровень оценки

eval(expr[, parser, engine, truediv, ...]) Вычисление Python-выражения в виде строки с использованием различных бэкендов.

Тестирование

test Запуск тестов модуля с использованием nose.

Серии

Конструктор

Series([data, index, dtype, name, copy, ...]) Одномерный массив ndarray с метками осей (включая временные ряды).

Атрибуты

Оси

index: метки осей

`Series.values`	Возвращает Series как ndarray или подобный ndarray
`Series.dtype`	возвращает объект dtype базовых данных
`Series.ftype`	возвращает, являются ли данные разреженными или плотно заполненными
`Series.shape`	возвращает кортеж формы базовых данных
`Series.nbytes`	возвращает количество байтов в базовых данных
`Series.ndim`	возвращает количество измерений базовых данных
`Series.size`	возвращает количество элементов в базовых данных
`Series.strides`	возвращает шаги базовых данных
`Series.itemsize`	возвращает размер типа данных элемента базовых данных
`Series.base`	возвращает базовый объект, если память базовых данных
`Series.T`	возвращает транспонирование, которое по определению равно self
`Series.memory_usage`([index, deep])	Использование памяти Series

Преобразование

`Series.astype`(dtype[, copy, raise_on_error])	Преобразование объекта в вводной тип numpy.dtype
`Series.copy`([deep])	Создает копию данных этого объекта.
`Series.isnull`()	Возвращает булевый объект того же размера, указывающий, являются ли значения нулевыми.
`Series.notnull`()	Возвращает булевый объект того же размера, указывающий, являются ли значения не нулевыми.

Индексирование, итерация

`Series.get`(key[, default])	Получение элемента из объекта для заданного ключа (столбец DataFrame, срез Panel и т. д.).
`Series.at`	Быстрый скалярный аксессор на основе меток
`Series.iat`	Быстрый скалярный аксессор по целочисленной позиции.
`Series.ix`	Индексатор, в первую очередь основанный на метке и позиции, с падением на целочисленную позицию.
`Series.loc`	Индексатор, исключительно основанный на метке, для выбора по метке.
`Series.iloc`	Индексация, исключительно основанная на целочисленной позиции, для выбора по позиции.
`Series.__iter__`()	обеспечить итерацию по значениям Series
`Series.iteritems`()	Ленивая итерация по кортежам (индекс, значение)

Для получения дополнительной информации о .at, .iat, .ix, .loc, и .iloc, см. документацию по индексированию.

Функции бинарных операторов

`Series.add`(other[, level, fill_value, axis])	Сложение рядов и других элементов, поэлементное (бинарная операция `add`).
`Series.sub`(other[, level, fill_value, axis])	Вычитание рядов и других элементов, поэлементное (бинарная операция `sub`).
`Series.mul`(other[, level, fill_value, axis])	Умножение рядов и других элементов, поэлементное (бинарная операция `mul`).
`Series.div`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементное (бинарная операция `truediv`).
`Series.truediv`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементное (бинарная операция `truediv`).
`Series.floordiv`(other[, level, fill_value, axis])	Целочисленное деление рядов и других элементов, поэлементное (бинарная операция `floordiv`).
`Series.mod`(other[, level, fill_value, axis])	Остаток от деления рядов и других элементов, поэлементное (бинарная операция `mod`).
`Series.pow`(other[, level, fill_value, axis])	Возведение в степень рядов и других элементов, поэлементное (бинарная операция `pow`).
`Series.radd`(other[, level, fill_value, axis])	Сложение рядов и других элементов, поэлементное (бинарная операция `radd`).
`Series.rsub`(other[, level, fill_value, axis])	Вычитание рядов и других элементов, поэлементное (бинарная операция `rsub`).
`Series.rmul`(other[, level, fill_value, axis])	Умножение рядов и других элементов, поэлементное (бинарная операция `rmul`).
`Series.rdiv`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементное (бинарная операция `rtruediv`).
`Series.rtruediv`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементное (бинарная операция `rtruediv`).
`Series.rfloordiv`(other[, level, fill_value, ...])	Целочисленное деление рядов и других элементов, поэлементное (бинарная операция `rfloordiv`).
`Series.rmod`(other[, level, fill_value, axis])	Остаток от деления рядов и других элементов, поэлементное (бинарная операция `rmod`).
`Series.rpow`(other[, level, fill_value, axis])	Возведение в степень рядов и других элементов, поэлементное (бинарная операция `rpow`).
`Series.combine`(other, func[, fill_value])	Выполнение бинарной операции поэлементно на двух Series с помощью заданной функции
`Series.combine_first`(other)	Объединить значения Series, выбирая сначала значения вызываемого Series.
`Series.round`([decimals])	Округлить каждое значение в Series до заданного числа десятичных знаков.
`Series.lt`(other[, axis])
`Series.gt`(other[, axis])
`Series.le`(other[, axis])
`Series.ge`(other[, axis])
`Series.ne`(other[, axis])
`Series.eq`(other[, axis])

Применение функции, GroupBy и окно

`Series.apply`(func[, convert_dtype, args])	Вызов функции для значений Series.
`Series.map`(arg[, na_action])	Отображение значений Series с использованием входного соответствия (которое может быть
`Series.groupby`([by, axis, level, as_index, ...])	Группировка серии с использованием отображения (словарь или функция ключа, применение заданной функции к группе, возврат результата как серии) или по ряду столбцов.
`Series.rolling`(window[, min_periods, freq, ...])	Предоставляет скользящие преобразования.
`Series.expanding`([min_periods, freq, ...])	Предоставляет расширяющие преобразования.
`Series.ewm`([com, span, halflife, alpha, ...])	Предоставляет функции экспоненциально взвешенных функций

Вычисления/описательные статистики

`Series.abs`()	Возвращает объект с абсолютным значением — применимо только к объектам, которые полностью числовые.
`Series.all`([axis, bool_only, skipna, level])	Возвращает значение True, если все элементы по указанной оси равны True.
`Series.any`([axis, bool_only, skipna, level])	Возвращает значение True, если хотя бы один элемент по указанной оси равен True.
`Series.autocorr`([lag])	Автокорреляция с лагом N
`Series.between`(left, right[, inclusive])	Возвращает булеву серию, эквивалентную left ≤ series ≤ right.
`Series.clip`([lower, upper, axis])	Обрезает значения по входному порогу.
`Series.clip_lower`(threshold[, axis])	Возвращает копию входных данных с усечёнными значениями ниже заданного значения.
`Series.clip_upper`(threshold[, axis])	Возвращает копию входных данных с усечёнными значениями выше заданного значения.
`Series.corr`(other[, method, min_periods])	Вычислить корреляцию с `other` серией, исключая пропущенные значения.
`Series.count`([level])	Возвращает количество не-NaN/null наблюдений в серии.
`Series.cov`(other[, min_periods])	Вычислить ковариацию с серией, исключая пропущенные значения.
`Series.cummax`([axis, dtype, out, skipna])	Возвращает кумулятивное значение cummax по указанной оси.
`Series.cummin`([axis, dtype, out, skipna])	Возвращает кумулятивное значение cummin по указанной оси.
`Series.cumprod`([axis, dtype, out, skipna])	Возвращает кумулятивное значение cumprod по указанной оси.
`Series.cumsum`([axis, dtype, out, skipna])	Возвращает кумулятивное значение cumsum по указанной оси.
`Series.describe`([percentiles, include, exclude])	Сгенерировать различные сводные статистические данные, исключая значения NaN.
`Series.diff`([periods])	Первое дискретное различие объекта.
`Series.factorize`([sort, na_sentinel])	Кодировать объект как перечисленный тип или категориальную переменную.
`Series.kurt`([axis, skipna, level, numeric_only])	Возвращает несмещённую эксцесс по указанной оси, используя определение эксцесса по Фишеру (эксцесс нормального == 0.0).
`Series.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений для указанной оси.
`Series.max`([axis, skipna, level, numeric_only])	Этот метод возвращает максимальное значение в объекте.
`Series.mean`([axis, skipna, level, numeric_only])	Возвращает среднее значение значений для указанной оси.
`Series.median`([axis, skipna, level, ...])	Возвращает медианное значение значений для указанной оси.
`Series.min`([axis, skipna, level, numeric_only])	Этот метод возвращает минимальное значение в объекте.
`Series.mode`()	Возвращает моду(ы) набора данных.
`Series.nlargest`(args, *kwargs)	Возвращает самые большие `n` элементы.
`Series.nsmallest`(args, *kwargs)	Возвращает самые маленькие `n` элементы.
`Series.pct_change`([periods, fill_method, ...])	Процентное изменение за заданное количество периодов.
`Series.prod`([axis, skipna, level, numeric_only])	Возвращает произведение значений для указанной оси.
`Series.quantile`([q, interpolation])	Возвращает значение в заданном квантиле, аналогично numpy.percentile.
`Series.rank`([axis, method, numeric_only, ...])	Вычислить числовые ранги данных (от 1 до n) вдоль оси.
`Series.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещённую стандартную ошибку среднего по указанной оси.
`Series.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённый эксцесс по указанной оси.
`Series.std`([axis, skipna, level, ddof, ...])	Возвращает выборочное стандартное отклонение по указанной оси.
`Series.sum`([axis, skipna, level, numeric_only])	Возвращает сумму значений для указанной оси.
`Series.var`([axis, skipna, level, ddof, ...])	Возвращает несмещённую дисперсию по указанной оси.
`Series.unique`()	Возвращает массив уникальных значений в объекте.
`Series.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Series.is_unique`	Возвращает булевое значение, если значения в объекте уникальны.
`Series.value_counts`([normalize, sort, ...])	Возвращает объект, содержащий счётчики уникальных значений.

Переиндексация/Выбор/Обработка меток

`Series.align`(other[, join, axis, level, ...])	Выравнивание двух объектов по их осям с
`Series.drop`(labels[, axis, level, inplace, ...])	Возвращает новый объект с удаленными метками на запрошенной оси.
`Series.drop_duplicates`(args, *kwargs)	Возвращает Series с удаленными дублирующимися значениями
`Series.duplicated`(args, *kwargs)	Возвращает булеву Series, обозначающую дублирующиеся значения
`Series.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`Series.first`(offset)	Удобный метод для подмножества начальных периодов временных рядов данных на основе смещения даты.
`Series.head`([n])	Возвращает первые n строк
`Series.idxmax`([axis, skipna])	Индекс первого появления максимального значения.
`Series.idxmin`([axis, skipna])	Индекс первого появления минимального значения.
`Series.isin`(values)	Возвращает булеву `Series` показывающую, содержится ли каждый элемент в `Series` точно в переданной последовательности `values`.
`Series.last`(offset)	Удобный метод для подмножества конечных периодов временных рядов данных на основе смещения даты.
`Series.reindex`([index])	Приведение Series к новому индексу с опциональной логикой заполнения, размещая NA/NaN в местах, не имеющих значения в предыдущем индексе.
`Series.reindex_like`(other[, method, copy, ...])	Возвращает объект с совпадающими индексами со мной.
`Series.rename`([index])	Изменение функций ввода осей или функций.
`Series.reset_index`([level, drop, name, inplace])	Аналогично функции `pandas.DataFrame.reset_index()`, см. документацию там.
`Series.sample`([n, frac, replace, weights, ...])	Возвращает случайную выборку элементов из оси объекта.
`Series.select`(crit[, axis])	Возвращает данные, соответствующие меткам оси, соответствующим критериям
`Series.take`(indices[, axis, convert, is_copy])	возвращает Series, соответствующие запрошенным индексам
`Series.tail`([n])	Возвращает последние n строк
`Series.truncate`([before, after, axis, copy])	Усекает отсортированный NDFrame до и/или после некоторых определённых дат.
`Series.where`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, чьи соответствующие записи взяты из self, где cond истинно, а в противном случае — из other.
`Series.mask`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, чьи соответствующие записи взяты из self, где cond ложно, а в противном случае — из other.

Обработка пропущенных данных

`Series.dropna`([axis, inplace])	Возвращает Series без нулевых значений
`Series.fillna`([value, method, axis, ...])	Заполнение пропущенных значений (NA/NaN) указанным методом
`Series.interpolate`([method, axis, limit, ...])	Интерполяция значений по различным методам.

Преобразование, сортировка

`Series.argsort`([axis, kind, order])	Переопределяет ndarray.argsort.
`Series.reorder_levels`(order)	Переупорядочивает уровни индекса с использованием входного порядка.
`Series.sort_values`([axis, ascending, ...])	Сортировка по значениям вдоль любой оси
`Series.sort_index`([axis, level, ascending, ...])	Сортировка объекта по меткам (вдоль оси)
`Series.sortlevel`([level, ascending, ...])	Сортировка Series с MultiIndex по выбранному уровню.
`Series.swaplevel`([i, j, copy])	Перестановка уровней i и j в MultiIndex
`Series.unstack`([level, fill_value])	Разворачивание, а.к.а.
`Series.searchsorted`(v[, side, sorter])	Поиск индексов, где элементы должны быть вставлены, чтобы сохранить порядок.

Объединение / соединение / слияние

`Series.append`(to_append[, verify_integrity])	Конкатенация двух или более Series.
`Series.replace`([to_replace, value, inplace, ...])	Замена значений, указанных в ‘to_replace’, на ‘value’.
`Series.update`(other)	Изменение Series на месте с использованием не-NA значений из переданной Series.

`Series.asfreq`(freq[, method, how, normalize])	Преобразовать все временные ряды внутри в заданную частоту с помощью объектов DateOffset.
`Series.asof`(where)	Возвращает последнее хорошее (не NaN) значение в серии, если значение NaN для запрошенной даты.
`Series.shift`([periods, freq, axis])	Сдвинуть индекс на нужное количество периодов с необязательной временной частотой.
`Series.first_valid_index`()	Возвращает метку для первого значения, не равного NA/null.
`Series.last_valid_index`()	Возвращает метку для последнего значения, не равного NA/null.
`Series.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования регулярных временных рядов.
`Series.tz_convert`(tz[, axis, level, copy])	Преобразовать ось с учетом часового пояса в целевой часовой пояс.
`Series.tz_localize`(args, *kwargs)	Локализовать временные ряды без учета часового пояса в целевом часовом поясе.

Свойства datetimelike

Series.dt можно использовать для доступа к значениям серии в виде datetimelike и возвращения нескольких свойств. К ним можно получить доступ как Series.dt.<property>.

Свойства дат и времени

`Series.dt.date`	Возвращает массив numpy типа datetime.date.
`Series.dt.time`	Возвращает массив numpy типа datetime.time.
`Series.dt.year`	Год даты и времени.
`Series.dt.month`	Месяц как 1=январь, 12=декабрь.
`Series.dt.day`	День даты и времени.
`Series.dt.hour`	Часы даты и времени.
`Series.dt.minute`	Минуты даты и времени.
`Series.dt.second`	Секунды даты и времени.
`Series.dt.microsecond`	Микросекунды даты и времени.
`Series.dt.nanosecond`	Наносекунды даты и времени.
`Series.dt.week`	Номер недели в году.
`Series.dt.weekofyear`	Номер недели в году.
`Series.dt.dayofweek`	День недели (понедельник=0, воскресенье=6).
`Series.dt.weekday`	День недели (понедельник=0, воскресенье=6).
`Series.dt.weekday_name`	Название дня недели (например, пятница).
`Series.dt.dayofyear`	Порядковый номер дня в году.
`Series.dt.quarter`	Квартал года.
`Series.dt.is_month_start`	Логическое значение, указывающее, является ли день началом месяца (определяется частотой).
`Series.dt.is_month_end`	Логическое значение, указывающее, является ли день концом месяца (определяется частотой).
`Series.dt.is_quarter_start`	Логическое значение, указывающее, является ли день началом квартала (определяется частотой).
`Series.dt.is_quarter_end`	Логическое значение, указывающее, является ли день концом квартала (определяется частотой).
`Series.dt.is_year_start`	Логическое значение, указывающее, является ли день началом года (определяется частотой).
`Series.dt.is_year_end`	Логическое значение, указывающее, является ли день концом года (определяется частотой).
`Series.dt.daysinmonth`	Количество дней в месяце.
`Series.dt.days_in_month`	Количество дней в месяце.
`Series.dt.tz`
`Series.dt.freq`	Получение/установка частоты индекса.

Методы дат и времени

`Series.dt.to_period`(args, *kwargs)	Преобразование к PeriodIndex с указанной частотой.
`Series.dt.to_pydatetime`()
`Series.dt.tz_localize`(args, *kwargs)	Локализация индекса дат и времени без часового пояса в заданном часовом поясе (используя
`Series.dt.tz_convert`(args, *kwargs)	Преобразование индекса дат и времени с учетом часового пояса из одного часового пояса в другой (используя
`Series.dt.normalize`(args, *kwargs)	Возвращает индекс дат и времени, в котором время установлено на полночь.
`Series.dt.strftime`(args, *kwargs)	Возвращает массив форматированных строк, заданных форматом даты, который поддерживает тот же формат строки, что и стандартная библиотека Python.
`Series.dt.round`(args, *kwargs)	округляет индекс до указанной частоты.
`Series.dt.floor`(args, *kwargs)	округляет индекс вниз до указанной частоты.
`Series.dt.ceil`(args, *kwargs)	округляет индекс вверх до указанной частоты.

Свойства Timedelta

`Series.dt.days`	Число дней для каждого элемента.
`Series.dt.seconds`	Число секунд (>= 0 и меньше 1 дня) для каждого элемента.
`Series.dt.microseconds`	Число микросекунд (>= 0 и меньше 1 секунды) для каждого элемента.
`Series.dt.nanoseconds`	Число наносекунд (>= 0 и меньше 1 микросекунды) для каждого элемента.
`Series.dt.components`	Возвращает DataFrame компонентов (дни, часы, минуты, секунды, миллисекунды, микросекунды, наносекунды) Timedeltas.

Методы Timedelta

`Series.dt.to_pytimedelta`()
`Series.dt.total_seconds`(args, *kwargs)	Общая продолжительность каждого элемента, выраженная в секундах.

Обработка строк

Series.str может быть использовано для доступа к значениям серии в качестве строк и применения к ним нескольких методов. К ним можно обратиться как Series.str.<function/property>.

`Series.str.capitalize`()	Преобразовать строки в Series/Index в верхний регистр первой буквы.
`Series.str.cat`([others, sep, na_rep])	Конкатенация строк в Series/Index с заданным разделителем.
`Series.str.center`(width[, fillchar])	Выравнивание строк в Series/Index по центру с добавлением символа.
`Series.str.contains`(pat[, case, flags, na, ...])	Возвращает булеву Series/`array` , определяющую, содержит ли каждая строка в Series/Index заданный шаблон/регулярное выражение.
`Series.str.count`(pat[, flags])	Подсчет вхождений шаблона в каждой строке Series/Index.
`Series.str.decode`(encoding[, errors])	Декодирование строковых значений в Series/Index с использованием указанной кодировки.
`Series.str.encode`(encoding[, errors])	Кодирование строковых значений в Series/Index с использованием указанной кодировки.
`Series.str.endswith`(pat[, na])	Возвращает булеву Series, указывающую, заканчивается ли каждая строка в Series/Index заданным шаблоном.
`Series.str.extract`(pat[, flags, expand])	Для каждой строки в Series извлекаются группы из первого совпадения с регулярным выражением pat.
`Series.str.extractall`(pat[, flags])	Для каждой строки в Series извлекаются группы из всех совпадений с регулярным выражением pat.
`Series.str.find`(sub[, start, end])	Возвращает наименьшие индексы в каждой строке Series/Index, где подстрока полностью содержится между [start:end].
`Series.str.findall`(pat[, flags])	Поиск всех вхождений шаблона или регулярного выражения в Series/Index.
`Series.str.get`(i)	Извлечение элемента из списков, кортежей или строк в каждом элементе Series/Index.
`Series.str.index`(sub[, start, end])	Возвращает наименьшие индексы в каждой строке, где подстрока полностью содержится между [start:end].
`Series.str.join`(sep)	Объединение списков, содержащихся как элементы в Series/Index, с заданным разделителем.
`Series.str.len`()	Вычисление длины каждой строки в Series/Index.
`Series.str.ljust`(width[, fillchar])	Выравнивание строк в Series/Index по левому краю с добавлением символа.
`Series.str.lower`()	Преобразование строк в Series/Index в нижний регистр.
`Series.str.lstrip`([to_strip])	Удаление пробелов (включая символы новой строки) из каждой строки в Series/Index слева.
`Series.str.match`(pat[, case, flags, na, ...])	Устаревшая функция: поиск групп в каждой строке Series/Index, используя переданное регулярное выражение.
`Series.str.normalize`(form)	Возвращает нормальную форму Unicode для строк в Series/Index.
`Series.str.pad`(width[, side, fillchar])	Заполнение строк в Series/Index дополнительным символом по указанной стороне.
`Series.str.partition`([pat, expand])	Разделение строки по первому вхождению `sep`, и возвращает 3 элемента: часть до разделителя, сам разделитель и часть после разделителя.
`Series.str.repeat`(repeats)	Умножение каждой строки в Series/Index указанное количество раз.
`Series.str.replace`(pat, repl[, n, case, flags])	Замена вхождений шаблона/регулярного выражения в Series/Index на другую строку.
`Series.str.rfind`(sub[, start, end])	Возвращает наибольшие индексы в каждой строке Series/Index, где подстрока полностью содержится между [start:end].
`Series.str.rindex`(sub[, start, end])	Возвращает наибольшие индексы в каждой строке, где подстрока полностью содержится между [start:end].
`Series.str.rjust`(width[, fillchar])	Выравнивание строк в Series/Index по правому краю с добавлением символа.
`Series.str.rpartition`([pat, expand])	Разделение строки по последнему вхождению `sep`, и возвращает 3 элемента: часть до разделителя, сам разделитель и часть после разделителя.
`Series.str.rstrip`([to_strip])	Удаление пробелов (включая символы новой строки) из каждой строки в Series/Index справа.
`Series.str.slice`([start, stop, step])	Вырезание подстрок из каждого элемента в Series/Index
`Series.str.slice_replace`([start, stop, repl])	Замена слайса каждой строки в Series/Index другой строкой.
`Series.str.split`(args, *kwargs)	Разделение каждой строки (по аналогии с re.split) в Series/Index по заданному шаблону, распространяя значения NA.
`Series.str.rsplit`([pat, n, expand])	Разделение каждой строки в Series/Index по заданному разделителю, начиная с конца строки и двигаясь к началу.
`Series.str.startswith`(pat[, na])	Возвращает булеву Series/`array` , указывающую, начинается ли каждая строка в Series/Index с заданного шаблона.
`Series.str.strip`([to_strip])	Удаление пробелов (включая символы новой строки) из каждой строки в Series/Index слева и справа.
`Series.str.swapcase`()	Преобразование строк в Series/Index в регистр со сменой регистра.
`Series.str.title`()	Преобразование строк в Series/Index в заголовок (titlecase).
`Series.str.translate`(table[, deletechars])	Преобразование всех символов в строке через заданную таблицу преобразований.
`Series.str.upper`()	Преобразование строк в Series/Index в верхний регистр.
`Series.str.wrap`(width, **kwargs)	Разбивка длинных строк в Series/Index на абзацы с длиной менее заданной ширины.

`Series.str.zfill`(width)	“
`Series.str.isalnum`()	Проверить, являются ли все символы в каждой строке в Series/Index буквенно-цифровыми.
`Series.str.isalpha`()	Проверить, являются ли все символы в каждой строке в Series/Index буквенными.
`Series.str.isdigit`()	Проверить, являются ли все символы в каждой строке в Series/Index цифрами.
`Series.str.isspace`()	Проверить, являются ли все символы в каждой строке в Series/Index пробелами.
`Series.str.islower`()	Проверить, являются ли все символы в каждой строке в Series/Index строчными.
`Series.str.isupper`()	Проверить, являются ли все символы в каждой строке в Series/Index прописными.
`Series.str.istitle`()	Проверить, являются ли все символы в каждой строке в Series/Index заглавными (в стиле заголовка).
`Series.str.isnumeric`()	Проверить, являются ли все символы в каждой строке в Series/Index числовыми.
`Series.str.isdecimal`()	Проверить, являются ли все символы в каждой строке в Series/Index десятичными.
`Series.str.get_dummies`([sep])	Разделить каждую строку в Series по sep и вернуть таблицу индикаторных переменных.

Категориальные

Если Series имеет тип данных category, Series.cat может быть использован для изменения категориальных данных. Этот аксессор аналогичен Series.dt или Series.str и имеет следующие доступные методы и свойства:

`Series.cat.categories`	Категории этого категориального типа.
`Series.cat.ordered`	Получение атрибута упорядоченности
`Series.cat.codes`

`Series.cat.rename_categories`(args, *kwargs)	Переименование категорий.
`Series.cat.reorder_categories`(args, *kwargs)	Переупорядочивание категорий, как указано в new_categories.
`Series.cat.add_categories`(args, *kwargs)	Добавление новых категорий.
`Series.cat.remove_categories`(args, *kwargs)	Удаление указанных категорий.
`Series.cat.remove_unused_categories`(*args, ...)	Удаление неиспользуемых категорий.
`Series.cat.set_categories`(args, *kwargs)	Установление категорий в указанные новые категории.
`Series.cat.as_ordered`(args, *kwargs)	Устанавливает категориальный тип как упорядоченный.
`Series.cat.as_unordered`(args, *kwargs)	Устанавливает категориальный тип как неупорядоченный.

Чтобы создать Series типа category, используйте cat = s.astype("category").

Следующие два Categorical конструктора считаются частью API, но должны использоваться только при добавлении информации об упорядоченности или специальных категорий при создании категориальных данных:

Categorical(values[, categories, ordered, ...]) Представляет категориальную переменную в стиле классического R / S-plus.

Categorical.from_codes(codes, categories[, ...]) Создаёт категориальный тип из массивов кодов и категорий.

np.asarray(categorical) работает, реализуя интерфейс массива. Имейте в виду, что это преобразует категориальный тип обратно в массив numpy, поэтому уровни и информация об упорядоченности не сохраняются!

Categorical.__array__([dtype]) Интерфейс массива numpy.

Отображение

Series.plot является как вызываемым методом, так и пространством имён для специфических методов отображения вида Series.plot.<kind>.

Series.plot([kind, ax, figsize, ....]) Аксессор и метод для отображения Series

`Series.plot.area`(**kwds)	График области
`Series.plot.bar`(**kwds)	Вертикальная гистограмма
`Series.plot.barh`(**kwds)	Горизонтальная гистограмма
`Series.plot.box`(**kwds)	Диаграмма размаха
`Series.plot.density`(**kwds)	График оценки плотности ядра
`Series.plot.hist`([bins])	Гистограмма
`Series.plot.kde`(**kwds)	График оценки плотности ядра
`Series.plot.line`(**kwds)	Линейный график
`Series.plot.pie`(**kwds)	Круговая диаграмма

Series.hist([by, ax, grid, xlabelsize, ...]) Отображение гистограммы входного ряда с использованием matplotlib

Сериализация/Ввод/Вывод/Преобразование

`Series.from_csv`(path[, sep, parse_dates, ...])	Чтение CSV-файла (НЕ РЕКОМЕНДУЕТСЯ, используйте `pandas.read_csv()` вместо этого).
`Series.to_pickle`(path)	Запись объекта в файл (сериализация) с помощью протокола pickle.
`Series.to_csv`(path[, index, sep, na_rep, ...])	Запись Series в файл с разделителем (CSV).
`Series.to_dict`()	Преобразование Series в словарь {ключ -> значение}.
`Series.to_frame`([name])	Преобразование Series в DataFrame.
`Series.to_xarray`()	Возвращает объект xarray из объекта pandas.
`Series.to_hdf`(path_or_buf, key, **kwargs)	Инициализация хранилища HDFStore.
`Series.to_sql`(name, con[, flavor, schema, ...])	Запись записей, хранящихся в DataFrame, в базу данных SQL.
`Series.to_msgpack`([path_or_buf, encoding])	Сериализация объекта с использованием msgpack в указанный путь к файлу.
`Series.to_json`([path_or_buf, orient, ...])	Преобразование объекта в строку JSON.
`Series.to_sparse`([kind, fill_value])	Преобразование Series в SparseSeries.
`Series.to_dense`()	Возвращает плотное представление NDFrame (в отличие от разреженного).
`Series.to_string`([buf, na_rep, ...])	Отображение строкового представления Series.
`Series.to_clipboard`([excel, sep])	Попытка записать текстовое представление объекта в буфер обмена системы. Это может быть вставлено в Excel, например.

Разреженные методы

`SparseSeries.to_coo`([row_levels, ...])	Создание scipy.sparse.coo_matrix из SparseSeries с MultiIndex.
`SparseSeries.from_coo`(A[, dense_index])	Создание SparseSeries из scipy.sparse.coo_matrix.

DataFrame

Конструктор

DataFrame([data, index, columns, dtype, copy]) Двумерная структура данных, потенциально разнородная, изменяемая по размеру, с маркированными осями (строки и столбцы).

Атрибуты и данные в основе

Оси

index: метки строк
columns: метки столбцов

`DataFrame.as_matrix`([columns])	Преобразование кадра в его представление Numpy-массива.
`DataFrame.dtypes`	Возвращает типы данных в этом объекте.
`DataFrame.ftypes`	Возвращает ftypes (указание разреженного/плотного и типа данных) в этом объекте.
`DataFrame.get_dtype_counts`()	Возвращает количество типов данных в этом объекте.
`DataFrame.get_ftype_counts`()	Возвращает количество ftypes в этом объекте.
`DataFrame.select_dtypes`([include, exclude])	Возвращает подмножество DataFrame, включая/исключая столбцы на основе их `dtype`.
`DataFrame.values`	Numpy-представление NDFrame.
`DataFrame.axes`	Возвращает список с метками оси строк и метками оси столбцов в качестве единственных членов.
`DataFrame.ndim`	Количество осей/размерностей массива.
`DataFrame.size`	Количество элементов в NDFrame.
`DataFrame.shape`	Возвращает кортеж, представляющий размерность DataFrame.
`DataFrame.memory_usage`([index, deep])	Использование памяти столбцами DataFrame.

Преобразование

`DataFrame.astype`(dtype[, copy, raise_on_error])	Преобразование объекта к указанному типу numpy.
`DataFrame.convert_objects`([convert_dates, ...])	Устарело.
`DataFrame.copy`([deep])	Создает копию данных этого объекта.
`DataFrame.isnull`()	Возвращает массив булевых значений того же размера, указывающий, являются ли значения нулевыми.
`DataFrame.notnull`()	Возвращает массив булевых значений того же размера, указывающий, не являются ли значения нулевыми.

Индексирование, итерация

`DataFrame.head`([n])	Возвращает первые n строк
`DataFrame.at`	Быстрый скалярный аксессор на основе меток
`DataFrame.iat`	Быстрый скалярный аксессор по целочисленному индексу.
`DataFrame.ix`	Индексатор, в основном использующий метки и позиции, с резервным вариантом целочисленных позиций.
`DataFrame.loc`	Индексатор, использующий только метки для выбора по меткам.
`DataFrame.iloc`	Индексация только по целочисленным позициям для выбора по положению.
`DataFrame.insert`(loc, column, value[, ...])	Вставка столбца в DataFrame в указанном месте.
`DataFrame.__iter__`()	Итерирование по инфо оси
`DataFrame.iteritems`()	Итератор по парам (имя столбца, Series).
`DataFrame.iterrows`()	Итерирование по строкам DataFrame как парам (индекс, Series).
`DataFrame.itertuples`([index, name])	Итерирование по строкам DataFrame как именованным кортежам, с значением индекса в качестве первого элемента кортежа.
`DataFrame.lookup`(row_labels, col_labels)	Функция «fancy indexing» на основе меток для DataFrame.
`DataFrame.pop`(item)	Возвращает элемент и удаляет его из DataFrame.
`DataFrame.tail`([n])	Возвращает последние n строк
`DataFrame.xs`(key[, axis, level, copy, ...])	Возвращает поперечный срез (строка(и) или столбец(ы)) из Series/DataFrame.
`DataFrame.isin`(values)	Возвращает булеву DataFrame, показывающую, содержится ли каждый элемент в DataFrame в значениях.
`DataFrame.where`(cond[, other, inplace, ...])	Возвращает объект той же формы, что и self, чьи соответствующие записи взяты из self, где cond — True, а в противном случае — из other.
`DataFrame.mask`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, чьи соответствующие записи взяты из self, где cond — False, а в противном случае — из other.
`DataFrame.query`(expr[, inplace])	Запрос к столбцам DataFrame с булевым выражением.

Для получения дополнительной информации о .at, .iat, .ix, .loc, и .iloc, см. документацию по индексированию.

Функции бинарных операций

`DataFrame.add`(other[, axis, level, fill_value])	Сложение DataFrame и other, поэлементно (бинарная операция `add`).
`DataFrame.sub`(other[, axis, level, fill_value])	Вычитание DataFrame и other, поэлементно (бинарная операция `sub`).
`DataFrame.mul`(other[, axis, level, fill_value])	Умножение DataFrame и other, поэлементно (бинарная операция `mul`).
`DataFrame.div`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `truediv`).
`DataFrame.truediv`(other[, axis, level, ...])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `truediv`).
`DataFrame.floordiv`(other[, axis, level, ...])	Целочисленное деление DataFrame и other, поэлементно (бинарная операция `floordiv`).
`DataFrame.mod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other, поэлементно (бинарная операция `mod`).
`DataFrame.pow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other, поэлементно (бинарная операция `pow`).
`DataFrame.radd`(other[, axis, level, fill_value])	Сложение DataFrame и other, поэлементно (бинарная операция `radd`).
`DataFrame.rsub`(other[, axis, level, fill_value])	Вычитание DataFrame и other, поэлементно (бинарная операция `rsub`).
`DataFrame.rmul`(other[, axis, level, fill_value])	Умножение DataFrame и other, поэлементно (бинарная операция `rmul`).
`DataFrame.rdiv`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `rtruediv`).
`DataFrame.rtruediv`(other[, axis, level, ...])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `rtruediv`).
`DataFrame.rfloordiv`(other[, axis, level, ...])	Целочисленное деление DataFrame и other, поэлементно (бинарная операция `rfloordiv`).
`DataFrame.rmod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other, поэлементно (бинарная операция `rmod`).
`DataFrame.rpow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other, поэлементно (бинарная операция `rpow`).
`DataFrame.lt`(other[, axis, level])	Обёртка для гибких методов сравнения lt
`DataFrame.gt`(other[, axis, level])	Обёртка для гибких методов сравнения gt
`DataFrame.le`(other[, axis, level])	Обёртка для гибких методов сравнения le
`DataFrame.ge`(other[, axis, level])	Обёртка для гибких методов сравнения ge
`DataFrame.ne`(other[, axis, level])	Обёртка для гибких методов сравнения ne
`DataFrame.eq`(other[, axis, level])	Обёртка для гибких методов сравнения eq
`DataFrame.combine`(other, func[, fill_value, ...])	Добавление двух объектов DataFrame и не распространение значений NaN, поэтому, если для
`DataFrame.combine_first`(other)	Объединение двух объектов DataFrame и использование значений, отличных от NaN, в вызываемом методе DataFrame.

Применение функций, GroupBy & Window

`DataFrame.apply`(func[, axis, broadcast, ...])	Применяет функцию вдоль входной оси DataFrame.
`DataFrame.applymap`(func)	Применяет функцию к DataFrame, предназначенную для работы поэлементно, т. е.
`DataFrame.groupby`([by, axis, level, ...])	Группирует серию, используя сопоставление (словарь или функция ключа, применяет данную функцию к группе, возвращает результат как серию) или по ряду столбцов.
`DataFrame.rolling`(window[, min_periods, ...])	Предоставляет скользящие преобразования.
`DataFrame.expanding`([min_periods, freq, ...])	Предоставляет расширяющие преобразования.
`DataFrame.ewm`([com, span, halflife, alpha, ...])	Предоставляет экспоненциально взвешенные функции

Вычисления / Описательные статистики

`DataFrame.abs`()	Возвращает объект со взятым абсолютным значением – применима только к объектам, которые все числовые.
`DataFrame.all`([axis, bool_only, skipna, level])	Возвращает значение, если все элементы равны True по запрошенной оси.
`DataFrame.any`([axis, bool_only, skipna, level])	Возвращает значение, если какой-либо элемент равен True по запрошенной оси.
`DataFrame.clip`([lower, upper, axis])	Обрезает значения по входному(ым) порогу(ам).
`DataFrame.clip_lower`(threshold[, axis])	Возвращает копию входных данных со значениями, меньшими заданного значения(й), усечёнными.
`DataFrame.clip_upper`(threshold[, axis])	Возвращает копию входных данных со значениями, большими заданного значения(й), усечёнными.
`DataFrame.corr`([method, min_periods])	Вычисляет парную корреляцию столбцов, исключая значения NA/null.
`DataFrame.corrwith`(other[, axis, drop])	Вычисляет парную корреляцию между строками или столбцами двух объектов DataFrame.
`DataFrame.count`([axis, level, numeric_only])	Возвращает серию с количеством наблюдений без NA/null по запрошенной оси.
`DataFrame.cov`([min_periods])	Вычисляет парную ковариацию столбцов, исключая значения NA/null.
`DataFrame.cummax`([axis, dtype, out, skipna])	Возвращает кумулятивное cummax по запрошенной оси.
`DataFrame.cummin`([axis, dtype, out, skipna])	Возвращает кумулятивное cummin по запрошенной оси.
`DataFrame.cumprod`([axis, dtype, out, skipna])	Возвращает кумулятивное cumprod по запрошенной оси.
`DataFrame.cumsum`([axis, dtype, out, skipna])	Возвращает кумулятивное cumsum по запрошенной оси.
`DataFrame.describe`([percentiles, include, ...])	Генерирует различные сводные статистические данные, исключая значения NaN.
`DataFrame.diff`([periods, axis])	Первая дискретная разность объекта.
`DataFrame.eval`(expr[, inplace])	Вычисляет выражение в контексте вызываемого экземпляра DataFrame.
`DataFrame.kurt`([axis, skipna, level, ...])	Возвращает несмещённую эксцесс по запрошенной оси с использованием определения эксцесса Фишера (эксцесс нормального == 0,0).
`DataFrame.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений для запрошенной оси.
`DataFrame.max`([axis, skipna, level, ...])	Этот метод возвращает максимальное значение в объекте.
`DataFrame.mean`([axis, skipna, level, ...])	Возвращает среднее значение значений для запрошенной оси.
`DataFrame.median`([axis, skipna, level, ...])	Возвращает медиану значений для запрошенной оси.
`DataFrame.min`([axis, skipna, level, ...])	Этот метод возвращает минимальное значение в объекте.
`DataFrame.mode`([axis, numeric_only])	Получает моду(и) каждого элемента по выбранной оси.
`DataFrame.pct_change`([periods, fill_method, ...])	Процентное изменение за заданное количество периодов.
`DataFrame.prod`([axis, skipna, level, ...])	Возвращает произведение значений для запрошенной оси.
`DataFrame.quantile`([q, axis, numeric_only, ...])	Возвращает значения в заданном квантиле по запрошенной оси, по аналогии с numpy.percentile.
`DataFrame.rank`([axis, method, numeric_only, ...])	Вычисляет числовые ранги данных (от 1 до n) по оси.
`DataFrame.round`([decimals])	Округляет DataFrame до заданного количества десятичных знаков.
`DataFrame.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещённую стандартную ошибку среднего по запрошенной оси.
`DataFrame.skew`([axis, skipna, level, ...])	Возвращает несмещённую асимметрию по запрошенной оси.
`DataFrame.sum`([axis, skipna, level, ...])	Возвращает сумму значений по запрошенной оси.
`DataFrame.std`([axis, skipna, level, ddof, ...])	Возвращает выборочное стандартное отклонение по запрошенной оси.
`DataFrame.var`([axis, skipna, level, ddof, ...])	Возвращает несмещённую дисперсию по запрошенной оси.

Переиндексация / Выбор / Работа с метками

`DataFrame.add_prefix`(prefix)	Конкатенация префикса со строкой имён элементов панели.
`DataFrame.add_suffix`(suffix)	Конкатенация суффикса со строкой имён элементов панели.
`DataFrame.align`(other[, join, axis, level, ...])	Выравнивание двух объектов по их осям.
`DataFrame.drop`(labels[, axis, level, ...])	Возвращает новый объект с удалёнными метками на запрошенной оси.
`DataFrame.drop_duplicates`(args, *kwargs)	Возвращает DataFrame с удалёнными дублирующими строками, необязательно только...
`DataFrame.duplicated`(args, *kwargs)	Возвращает булевый Series, обозначающий дублирующиеся строки, необязательно только...
`DataFrame.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`DataFrame.filter`([items, like, regex, axis])	Ограничение оси информации набором элементов или символами подстановки.
`DataFrame.first`(offset)	Удобный метод для подмножества начальных периодов временных рядов данных на основе временного сдвига.
`DataFrame.head`([n])	Возвращает первые n строк.
`DataFrame.idxmax`([axis, skipna])	Возвращает индекс первого появления максимума по запрошенной оси.
`DataFrame.idxmin`([axis, skipna])	Возвращает индекс первого появления минимума по запрошенной оси.
`DataFrame.last`(offset)	Удобный метод для подмножества конечных периодов временных рядов данных на основе временного сдвига.
`DataFrame.reindex`([index, columns])	Приведение DataFrame к новому индексу с необязательной логикой заполнения, помещая NA/NaN в места, не имеющие значения в предыдущем индексе.
`DataFrame.reindex_axis`(labels[, axis, ...])	Приведение входного объекта к новому индексу с необязательной логикой заполнения, помещая NA/NaN в места, не имеющие значения в предыдущем индексе.
`DataFrame.reindex_like`(other[, method, ...])	Возвращает объект с соответствующими индексами.
`DataFrame.rename`([index, columns])	Изменение оси входной функции или функций.
`DataFrame.reset_index`([level, drop, ...])	Для DataFrame с многоуровневым индексом возвращает новый DataFrame с информацией о метках в столбцах под именами индекса, по умолчанию ‘level_0’, ‘level_1’ и т.д.
`DataFrame.sample`([n, frac, replace, ...])	Возвращает случайную выборку элементов из оси объекта.
`DataFrame.select`(crit[, axis])	Возвращает данные, соответствующие меткам оси, удовлетворяющим критериям.
`DataFrame.set_index`(keys[, drop, append, ...])	Устанавливает индекс DataFrame (метки строк) с использованием одного или нескольких существующих столбцов.
`DataFrame.tail`([n])	Возвращает последние n строк.
`DataFrame.take`(indices[, axis, convert, is_copy])	Аналогично ndarray.take
`DataFrame.truncate`([before, after, axis, copy])	Обрезает отсортированный NDFrame перед и/или после некоторых конкретных дат.

Обработка пропущенных данных

`DataFrame.dropna`([axis, how, thresh, ...])	Возвращает объект с удалёнными метками на заданной оси, где поочерёдно любые...
`DataFrame.fillna`([value, method, axis, ...])	Заполнение значений NA/NaN с использованием указанного метода.
`DataFrame.replace`([to_replace, value, ...])	Замена значений, указанных в ‘to_replace’, на ‘value’.

Перестройка, сортировка, транспонирование

`DataFrame.pivot`([index, columns, values])	Перестройка данных (создание таблицы «pivot») на основе значений столбцов.
`DataFrame.reorder_levels`(order[, axis])	Переупорядочивание уровней индекса с использованием входного порядка.
`DataFrame.sort_values`(by[, axis, ascending, ...])	Сортировка по значениям вдоль любой оси.
`DataFrame.sort_index`([axis, level, ...])	Сортировка объекта по меткам (вдоль оси).
`DataFrame.sortlevel`([level, axis, ...])	Сортировка многоуровневого индекса по выбранной оси и первичному уровню.
`DataFrame.nlargest`(n, columns[, keep])	Получение строк DataFrame, отсортированных по `n` наибольшим значениям `columns`.
`DataFrame.nsmallest`(n, columns[, keep])	Получение строк DataFrame, отсортированных по `n` наименьшим значениям `columns`.
`DataFrame.swaplevel`([i, j, axis])	Перестановка уровней i и j в многоуровневом индексе по определённой оси.
`DataFrame.stack`([level, dropna])	Переворот уровня (возможно иерархических) меток столбцов, возвращая DataFrame (или Series в случае объекта с одним уровнем меток столбцов), имеющий иерархический индекс с новым внутренним уровнем меток строк.
`DataFrame.unstack`([level, fill_value])	Переворот уровня (необходимых иерархических) меток индекса, возвращая DataFrame, имеющий новый уровень меток столбцов, внутренний уровень которого состоит из перевернутых меток индекса.
`DataFrame.T`	Транспонирование индекса и столбцов.
`DataFrame.to_panel`()	Преобразование длинной (стековой) формы (DataFrame) в широкую (3D, Panel) форму.
`DataFrame.to_xarray`()	Возвращает объект xarray из объекта pandas.
`DataFrame.transpose`(args, *kwargs)	Транспонирование индекса и столбцов.

Объединение/соединение/слияние

`DataFrame.append`(other[, ignore_index, ...])	Добавить строки `other` в конец этого фрейма, возвращая новый объект.
`DataFrame.assign`(**kwargs)	Назначить новые столбцы DataFrame, возвращая новый объект (копию) со всеми исходными столбцами в дополнение к новым.
`DataFrame.join`(other[, on, how, lsuffix, ...])	Объединить столбцы с другим DataFrame по индексу или по столбцу ключа.
`DataFrame.merge`(right[, how, on, left_on, ...])	Объединить объекты DataFrame, выполнив объединение по стилю базы данных по столбцам или индексам.
`DataFrame.update`(other[, join, overwrite, ...])	Изменить DataFrame на месте, используя значения, отличные от NaN, из переданного DataFrame.

Временные ряды

`DataFrame.asfreq`(freq[, method, how, normalize])	Преобразовать все TimeSeries внутри в указанную частоту с использованием объектов DateOffset.
`DataFrame.shift`([periods, freq, axis])	Сдвинуть индекс на нужное количество периодов с необязательной частотой времени.
`DataFrame.first_valid_index`()	Вернуть метку для первого ненулевого значения.
`DataFrame.last_valid_index`()	Вернуть метку для последнего ненулевого значения.
`DataFrame.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования регулярных временных рядов.
`DataFrame.to_period`([freq, axis, copy])	Преобразовать DataFrame из DatetimeIndex в PeriodIndex с желаемой
`DataFrame.to_timestamp`([freq, how, axis, copy])	Преобразовать в DatetimeIndex временных меток, в начале периода.
`DataFrame.tz_convert`(tz[, axis, level, copy])	Преобразовать ось с учетом часового пояса в целевой часовой пояс.
`DataFrame.tz_localize`(args, *kwargs)	Локализовать временные ряды без учета часового пояса в целевом часовом поясе.

Графики

DataFrame.plot — это вызываемый метод и атрибут пространства имен для конкретных методов построения графиков вида DataFrame.plot.<kind>.

DataFrame.plot([x, y, kind, ax, ....]) Доступ к построению графиков DataFrame и метод

`DataFrame.plot.area`([x, y])	График областей
`DataFrame.plot.bar`([x, y])	Вертикальная гистограмма
`DataFrame.plot.barh`([x, y])	Горизонтальная гистограмма
`DataFrame.plot.box`([by])	Диаграмма размаха
`DataFrame.plot.density`(**kwds)	График оценки плотности ядра
`DataFrame.plot.hexbin`(x, y[, C, ...])	График гексаграмм
`DataFrame.plot.hist`([by, bins])	Гистограмма
`DataFrame.plot.kde`(**kwds)	График оценки плотности ядра
`DataFrame.plot.line`([x, y])	Линейный график
`DataFrame.plot.pie`([y])	Круговая диаграмма
`DataFrame.plot.scatter`(x, y[, s, c])	Точечный график

`DataFrame.boxplot`([column, by, ax, ...])	Построение диаграммы размаха из столбца DataFrame, необязательно сгруппированного по некоторым столбцам или
`DataFrame.hist`(data[, column, by, grid, ...])	Построить гистограмму рядов DataFrame с использованием matplotlib / pylab.

Сериализация/Ввод/Вывод/Преобразование

`DataFrame.from_csv`(path[, header, sep, ...])	Чтение CSV-файла (НЕ РЕКОМЕНДУЕТСЯ, используйте `pandas.read_csv()` вместо этого).
`DataFrame.from_dict`(data[, orient, dtype])	Построение DataFrame из словаря массивоподобных объектов или словарей
`DataFrame.from_items`(items[, columns, orient])	Преобразование пар (ключ, значение) в DataFrame.
`DataFrame.from_records`(data[, index, ...])	Преобразование структурированного или массива записей в DataFrame
`DataFrame.info`([verbose, buf, max_cols, ...])	Краткий вывод информации о DataFrame.
`DataFrame.to_pickle`(path)	Сериализация объекта в файл с помощью Pickle.
`DataFrame.to_csv`([path_or_buf, sep, na_rep, ...])	Запись DataFrame в файл с разделителями (csv).
`DataFrame.to_hdf`(path_or_buf, key, **kwargs)	Активация хранилища HDFStore.
`DataFrame.to_sql`(name, con[, flavor, ...])	Запись данных из DataFrame в базу данных SQL.
`DataFrame.to_dict`(args, *kwargs)	Преобразование DataFrame в словарь.
`DataFrame.to_excel`(excel_writer[, ...])	Запись DataFrame в электронную таблицу Excel.
`DataFrame.to_json`([path_or_buf, orient, ...])	Преобразование объекта в JSON-строку.
`DataFrame.to_html`([buf, columns, col_space, ...])	Представление DataFrame в виде HTML-таблицы.
`DataFrame.to_latex`([buf, columns, ...])	Вывод DataFrame в таблицу LaTeX.
`DataFrame.to_stata`(fname[, convert_dates, ...])	Класс для записи двоичных файлов Stata (.dta) из массивоподобных объектов.
`DataFrame.to_msgpack`([path_or_buf, encoding])	Сериализация объекта в файл с помощью msgpack.
`DataFrame.to_gbq`(destination_table, project_id)	Запись DataFrame в таблицу Google BigQuery.
`DataFrame.to_records`([index, convert_datetime64])	Преобразование DataFrame в массив записей.
`DataFrame.to_sparse`([fill_value, kind])	Преобразование в SparseDataFrame.
`DataFrame.to_dense`()	Возвращает плотное представление NDFrame (в отличие от разреженного).
`DataFrame.to_string`([buf, columns, ...])	Вывод DataFrame в удобочитаемом для консоли виде.
`DataFrame.to_clipboard`([excel, sep])	Попытка записи текстового представления объекта в буфер обмена системы. Это можно вставить, например, в Excel.

Panel

Конструктор

Panel([data, items, major_axis, minor_axis, ...]) Представляет данные панели в широком формате, хранящиеся как 3-мерный массив.

Атрибуты и основополагающие данные

Оси

items: ось 0; каждый элемент соответствует DataFrame, содержащемуся внутри.
major_axis: ось 1; индекс (строки) каждого из DataFrames.
minor_axis: ось 2; столбцы каждого из DataFrames.

`Panel.values`	Представление NDFrame в виде массива NumPy.
`Panel.axes`	Возвращает метки осей внутреннего NDFrame.
`Panel.ndim`	Количество осей/измерений массива.
`Panel.size`	Количество элементов в NDFrame.
`Panel.shape`	Возвращает кортеж размеров осей.
`Panel.dtypes`	Возвращает типы данных в этом объекте.
`Panel.ftypes`	Возвращает ftypes (указание на разреженность/плотность и тип данных) в этом объекте.
`Panel.get_dtype_counts`()	Возвращает количество каждого типа данных в этом объекте.
`Panel.get_ftype_counts`()	Возвращает количество каждого типа ftype в этом объекте.

Преобразование

`Panel.astype`(dtype[, copy, raise_on_error])	Преобразование объекта в указанный тип данных NumPy.
`Panel.copy`([deep])	Создает копию данных этого объекта.
`Panel.isnull`()	Возвращает булевый объект тех же размеров, указывающий, являются ли значения нулевыми.
`Panel.notnull`()	Возвращает булевый объект тех же размеров, указывающий, не являются ли значения нулевыми.

Получение и установка

`Panel.get_value`(args, *kwargs)	Быстрое получение единственного значения по местоположению (item, major, minor).
`Panel.set_value`(args, *kwargs)	Быстрая установка единственного значения по местоположению (item, major, minor).

Индексирование, итерация, срезы

`Panel.at`	Быстрый скалярный аксессор на основе меток
`Panel.iat`	Быстрый скалярный аксессор по целочисленной позиции.
`Panel.ix`	Индексатор, в первую очередь использующий метки и позиции, с возвратом целочисленной позиции по умолчанию.
`Panel.loc`	Индексатор, использующий только метки для выбора по меткам.
`Panel.iloc`	Чисто целочисленная индексация для выбора по позиции.
`Panel.__iter__`()	Итерация по оси инфо
`Panel.iteritems`()	Итерация по (метке, значениям) на оси инфо
`Panel.pop`(item)	Возвращает элемент и удаляет его из фрейма.
`Panel.xs`(key[, axis, copy])	Возвращает срез панели по выбранной оси
`Panel.major_xs`(key[, copy])	Возвращает срез панели по основной оси
`Panel.minor_xs`(key[, copy])	Возвращает срез панели по второстепенной оси

Для получения дополнительной информации о .at, .iat, .ix, .loc, и .iloc, см. документацию по индексированию.

Бинарные операторные функции

`Panel.add`(other[, axis])	Сложение series и other, поэлементно (бинарный оператор `add`).
`Panel.sub`(other[, axis])	Вычитание series и other, поэлементно (бинарный оператор `sub`).
`Panel.mul`(other[, axis])	Умножение series и other, поэлементно (бинарный оператор `mul`).
`Panel.div`(other[, axis])	Деление с плавающей точкой series и other, поэлементно (бинарный оператор `truediv`).
`Panel.truediv`(other[, axis])	Деление с плавающей точкой series и other, поэлементно (бинарный оператор `truediv`).
`Panel.floordiv`(other[, axis])	Целочисленное деление series и other, поэлементно (бинарный оператор `floordiv`).
`Panel.mod`(other[, axis])	Остаток от деления series и other, поэлементно (бинарный оператор `mod`).
`Panel.pow`(other[, axis])	Возведение в степень series и other, поэлементно (бинарный оператор `pow`).
`Panel.radd`(other[, axis])	Сложение series и other, поэлементно (бинарный оператор `radd`).
`Panel.rsub`(other[, axis])	Вычитание series и other, поэлементно (бинарный оператор `rsub`).
`Panel.rmul`(other[, axis])	Умножение series и other, поэлементно (бинарный оператор `rmul`).
`Panel.rdiv`(other[, axis])	Деление с плавающей точкой series и other, поэлементно (бинарный оператор `rtruediv`).
`Panel.rtruediv`(other[, axis])	Деление с плавающей точкой series и other, поэлементно (бинарный оператор `rtruediv`).
`Panel.rfloordiv`(other[, axis])	Целочисленное деление series и other, поэлементно (бинарный оператор `rfloordiv`).
`Panel.rmod`(other[, axis])	Остаток от деления series и other, поэлементно (бинарный оператор `rmod`).
`Panel.rpow`(other[, axis])	Возведение в степень series и other, поэлементно (бинарный оператор `rpow`).
`Panel.lt`(other[, axis])	Оборачивающая функция для сравнения lt
`Panel.gt`(other[, axis])	Оборачивающая функция для сравнения gt
`Panel.le`(other[, axis])	Оборачивающая функция для сравнения le
`Panel.ge`(other[, axis])	Оборачивающая функция для сравнения ge
`Panel.ne`(other[, axis])	Оборачивающая функция для сравнения ne
`Panel.eq`(other[, axis])	Оборачивающая функция для сравнения eq

Применение функций, GroupBy

`Panel.apply`(func[, axis])	Применяет функцию вдоль оси (или осей) панели
`Panel.groupby`(function[, axis])	Группирует данные по заданной оси, возвращая объект GroupBy

Вычисления/описательные статистики

`Panel.abs`()	Возвращает объект со значениями модулей — применимо только к объектам, которые являются чисто числовыми.
`Panel.clip`([lower, upper, axis])	Обрезает значения по заданным порогам.
`Panel.clip_lower`(threshold[, axis])	Возвращает копию входных данных, где значения ниже заданного(ых) значения(й) усечены.
`Panel.clip_upper`(threshold[, axis])	Возвращает копию входных данных, где значения выше заданного(ых) значения(й) усечены.
`Panel.count`([axis])	Возвращает число наблюдений по указанной оси.
`Panel.cummax`([axis, dtype, out, skipna])	Возвращает кумулятивный максимум по указанной оси.
`Panel.cummin`([axis, dtype, out, skipna])	Возвращает кумулятивный минимум по указанной оси.
`Panel.cumprod`([axis, dtype, out, skipna])	Возвращает кумулятивное произведение по указанной оси.
`Panel.cumsum`([axis, dtype, out, skipna])	Возвращает кумулятивную сумму по указанной оси.
`Panel.max`([axis, skipna, level, numeric_only])	Этот метод возвращает максимальное значение в объекте.
`Panel.mean`([axis, skipna, level, numeric_only])	Возвращает среднее значение по указанной оси.
`Panel.median`([axis, skipna, level, numeric_only])	Возвращает медиану значений по указанной оси.
`Panel.min`([axis, skipna, level, numeric_only])	Этот метод возвращает минимальное значение в объекте.
`Panel.pct_change`([periods, fill_method, ...])	Процентное изменение за заданное количество периодов.
`Panel.prod`([axis, skipna, level, numeric_only])	Возвращает произведение значений по указанной оси.
`Panel.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещённую стандартную ошибку среднего по указанной оси.
`Panel.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённый коэффициент асимметрии по указанной оси.
`Panel.sum`([axis, skipna, level, numeric_only])	Возвращает сумму значений по указанной оси.
`Panel.std`([axis, skipna, level, ddof, ...])	Возвращает выборочное стандартное отклонение по указанной оси.
`Panel.var`([axis, skipna, level, ddof, ...])	Возвращает несмещённую дисперсию по указанной оси.

Переиндексация / Выбор / Манипуляции с метками

`Panel.add_prefix`(prefix)	Добавляет префикс к именам элементов панели.
`Panel.add_suffix`(suffix)	Добавляет суффикс к именам элементов панели.
`Panel.drop`(labels[, axis, level, inplace, ...])	Возвращает новый объект с удалёнными метками на указанной оси.
`Panel.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`Panel.filter`([items, like, regex, axis])	Ограничивает ось информации набором элементов или шаблоном.
`Panel.first`(offset)	Удобный метод для выбора начальных периодов временных рядов на основе временного сдвига.
`Panel.last`(offset)	Удобный метод для выбора конечных периодов временных рядов на основе временного сдвига.
`Panel.reindex`([items, major_axis, minor_axis])	Приводит панель к новому индексу с возможностью заполнения, помещая значения NULL в места, не имеющие значения в предыдущем индексе.
`Panel.reindex_axis`(labels[, axis, method, ...])	Приводит входной объект к новому индексу с возможностью заполнения, помещая значения NULL в места, не имеющие значения в предыдущем индексе.
`Panel.reindex_like`(other[, method, copy, ...])	Возвращает объект с соответствием индексов моему объекту.
`Panel.rename`([items, major_axis, minor_axis])	Изменяет оси входной функции или функции.
`Panel.sample`([n, frac, replace, weights, ...])	Возвращает случайную выборку элементов из оси объекта.
`Panel.select`(crit[, axis])	Возвращает данные, соответствующие меткам оси, которые соответствуют критериям.
`Panel.take`(indices[, axis, convert, is_copy])	Аналогично ndarray.take.
`Panel.truncate`([before, after, axis, copy])	Усекает отсортированный NDFrame до и после определённых дат.

Обработка пропущенных данных

`Panel.dropna`([axis, how, inplace])	Удаляет двумерные элементы из панели, сохраняя неизменной указанную ось.
`Panel.fillna`([value, method, axis, inplace, ...])	Заполняет значения NA/NaN указанным методом.

Переустановка формы, сортировка, транспонирование

`Panel.sort_index`([axis, level, ascending, ...])	Сортирует объект по меткам (по оси).
`Panel.swaplevel`([i, j, axis])	Меняет местами уровни i и j в MultiIndex на определённой оси.
`Panel.transpose`(args, *kwargs)	Переупорядочивает размерности панели.
`Panel.swapaxes`(axis1, axis2[, copy])	Меняет местами оси и соответствующим образом меняет местами значения осей.
`Panel.conform`(frame[, axis])	Приводит входной DataFrame к согласованию с выбранной парой осей.

Объединение / объединение / слияние

`Panel.join`(other[, how, lsuffix, rsuffix])	Объединяет элементы с другой панелью по столбцам основных и второстепенных осей.
`Panel.update`(other[, join, overwrite, ...])	Изменяет панель на месте, используя значения, отличные от NA, из переданной панели или объекта, преобразуемого в панель.

Связанные с временными рядами

`Panel.asfreq`(freq[, method, how, normalize])	Преобразовать все TimeSeries внутри к указанной частоте с помощью объектов DateOffset.
`Panel.shift`(args, *kwargs)	Сдвинуть индекс на заданное количество периодов с необязательной временной частотой.
`Panel.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования данных регулярных временных рядов.
`Panel.tz_convert`(tz[, axis, level, copy])	Преобразовать ось с учетом временной зоны в целевую временную зону.
`Panel.tz_localize`(args, *kwargs)	Локализовать tz-неявные временные ряды в целевой часовой пояс.

Сериализация/Ввод/Вывод/Преобразование

`Panel.from_dict`(data[, intersect, orient, dtype])	Создать Panel из словаря объектов DataFrame.
`Panel.to_pickle`(path)	Записать объект в файл с помощью pickle (сериализовать).
`Panel.to_excel`(path[, na_rep, engine])	Записать каждый DataFrame в Panel в отдельный лист электронной таблицы Excel.
`Panel.to_hdf`(path_or_buf, key, **kwargs)	Активировать хранилище HDF.
`Panel.to_sparse`([fill_value, kind])	Преобразовать в SparsePanel.
`Panel.to_frame`([filter_observations])	Преобразовать широкую форму в длинную (стекированную) форму в DataFrame, столбцы которого являются элементами Panel, а индекс — составной индекс, образованный основными и вспомогательными осями Panel.
`Panel.to_xarray`()	Возвращает объект xarray из объекта pandas.
`Panel.to_clipboard`([excel, sep])	Попытка записать текстовое представление объекта в буфер обмена системы. Это можно вставить в Excel, например.

Panel4D

Конструктор

Panel4D([data, labels, items, major_axis, ...]) Panel4D — 4-мерный именованный контейнер, очень похожий на Panel, но имеющий 4 именованных измерения.

Сериализация/Ввод/Вывод/Преобразование

Panel4D.to_xarray() Возвращает объект xarray из объекта pandas.

Атрибуты и базовые данные

Оси

labels: ось 1; каждый метка соответствует Panel, содержащемуся внутри
items: ось 2; каждый элемент соответствует DataFrame, содержащемуся внутри
major_axis: ось 3; индекс (строки) каждого из DataFrame
minor_axis: ось 4; столбцы каждого из DataFrame

`Panel4D.values`	Массивоподобное представление NDFrame
`Panel4D.axes`	Возвращает метки индекса(ов) внутреннего NDFrame
`Panel4D.ndim`	Количество осей/размерностей массива
`Panel4D.size`	Количество элементов в NDFrame
`Panel4D.shape`	Возвращает кортеж из размеров осей
`Panel4D.dtypes`	Возвращает dtypes в этом объекте.
`Panel4D.ftypes`	Возвращает ftypes (указание на разреженность/плотность и dtype) в этом объекте.
`Panel4D.get_dtype_counts`()	Возвращает количество dtypes в этом объекте.
`Panel4D.get_ftype_counts`()	Возвращает количество ftypes в этом объекте.

Преобразование

`Panel4D.astype`(dtype[, copy, raise_on_error])	Преобразование объекта в указанный тип numpy.
`Panel4D.copy`([deep])	Создать копию данных этого объекта.
`Panel4D.isnull`()	Возвращает объект того же размера, что и исходный, содержащий булевы значения, указывающие, являются ли значения нулевыми.
`Panel4D.notnull`()	Возвращает объект того же размера, что и исходный, содержащий булевы значения, указывающие, являются ли значения не нулевыми.

Индекс

Многие из этих методов или их варианты доступны для объектов, содержащих индекс (Series/Dataframe), и их следует использовать в первую очередь перед прямым вызовом этих методов.

Index Неизменяемый ndarray, реализующий упорядоченное, срезовываемое множество.

Атрибуты

`Index.values`	возвращает данные в виде массива ndarray
`Index.is_monotonic`	псевдоним для is_monotonic_increasing (устаревший)
`Index.is_monotonic_increasing`	возвращает True, если индекс монотонно возрастает (только равные или
`Index.is_monotonic_decreasing`	возвращает True, если индекс монотонно убывает (только равные или
`Index.is_unique`
`Index.has_duplicates`
`Index.dtype`
`Index.inferred_type`
`Index.is_all_dates`
`Index.shape`	возвращает кортеж, содержащий размер данных
`Index.nbytes`	возвращает количество байтов в данных
`Index.ndim`	возвращает количество измерений данных
`Index.size`	возвращает количество элементов в данных
`Index.strides`	возвращает шаги данных
`Index.itemsize`	возвращает размер типа данных элемента
`Index.base`	возвращает базовый объект, если память данных хранится в другом объекте
`Index.T`	возвращает транспонированную матрицу, которая по определению равна себе
`Index.memory_usage`([deep])	Объем памяти, используемый моими значениями

Изменение и вычисления

`Index.all`(args, *kwargs)	Возвращает True, если все элементы равны True
`Index.any`(args, *kwargs)	Возвращает True, если хотя бы один элемент равен True
`Index.argmin`([axis])	возвращает индекс минимального значения в виде массива ndarray
`Index.argmax`([axis])	возвращает индекс максимального значения в виде массива ndarray
`Index.copy`([name, deep, dtype])	Создает копию объекта.
`Index.delete`(loc)	Создает новый индекс, удаляя указанную позицию(-и).
`Index.drop`(labels[, errors])	Создает новый индекс, удаляя перечисленные метки.
`Index.drop_duplicates`(args, *kwargs)	Возвращает индекс без дублирующихся значений.
`Index.duplicated`(args, *kwargs)	Возвращает массив boolean, обозначающий дублирующиеся значения.
`Index.equals`(other)	Определяет, содержат ли два объекта Index те же элементы.
`Index.factorize`([sort, na_sentinel])	Кодирует объект как перечисленный тип или категориальную переменную.
`Index.identical`(other)	Аналогично equals, но проверяет, что и другие сопоставимые атрибуты
`Index.insert`(loc, item)	Создает новый индекс, вставляя новый элемент в указанную позицию.
`Index.min`()	Минимальное значение объекта.
`Index.max`()	Максимальное значение объекта.
`Index.reindex`(target[, method, level, ...])	Создает индекс со значениями target (перемещает/добавляет/удаляет значения при необходимости).
`Index.repeat`(n, args, *kwargs)	Повторяет элементы индекса.
`Index.take`(indices[, axis, allow_fill, ...])	возвращает новый %(klass)s с выбранными значениями по индексам
`Index.putmask`(mask, value)	возвращает новый индекс с установленными значениями по маске
`Index.set_names`(names[, level, inplace])	Устанавливает новые имена индекса.
`Index.unique`()	Возвращает массив уникальных значений объекта.
`Index.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Index.value_counts`([normalize, sort, ...])	Возвращает объект, содержащий количество уникальных значений.

Преобразование

`Index.astype`(dtype)
`Index.tolist`()	возвращает список значений индекса
`Index.to_datetime`([dayfirst])	Для индекса, содержащего строки или объекты datetime.datetime, пытается
`Index.to_series`(**kwargs)	Создает Series с индексом и значениями, равными ключам индекса.

Сортировка

`Index.argsort`(args, *kwargs)	Возвращает индексы, которые отсортируют индекс и его подлежащие данные.
`Index.sort_values`([return_indexer, ascending])	Возвращает отсортированную копию Index.

Операции со временем

Index.shift([periods, freq]) Смещает индекс, содержащий объекты datetime, на заданное количество периодов и

Объединение / соединение / операции над множествами

`Index.append`(other)	Присоединить коллекцию опций Index вместе
`Index.join`(other[, how, level, return_indexers])	Это внутренний непубличный метод
`Index.intersection`(other)	Образовать пересечение двух объектов Index.
`Index.union`(other)	Образовать объединение двух объектов Index и отсортировать, если возможно.
`Index.difference`(other)	Возвращает новый Index с элементами из исходного index, которые не содержатся в `other`.
`Index.symmetric_difference`(other[, result_name])	Вычислить отсортированное симметричное разность двух объектов Index.

Выбор

`Index.get_indexer`(target[, method, limit, ...])	Вычислить индексатор и маску для нового индекса, учитывая текущий индекс.
`Index.get_indexer_non_unique`(target)	возвращает индексатор, подходящий для извлечения из не уникального индекса
`Index.get_level_values`(level)	Возвращает вектор значений меток для запрошенного уровня, равный длине
`Index.get_loc`(key[, method, tolerance])	Получить целочисленную позицию для запрошенной метки
`Index.get_value`(series, key)	Быстрый поиск значения из одномерного массива ndarray.
`Index.isin`(values[, level])	Вычислить булеву массив, показывающий, находится ли каждое значение индекса в переданном множестве значений.
`Index.slice_indexer`([start, end, step, kind])	Для упорядоченного Index, вычислить индексатор среза для входных меток и
`Index.slice_locs`([start, end, step, kind])	Вычислить местоположения среза для входных меток.

CategoricalIndex

CategoricalIndex Неизменяемый Index, реализующий упорядоченное, разрезаемое множество.

Компоненты категориальных

`CategoricalIndex.codes`
`CategoricalIndex.categories`
`CategoricalIndex.ordered`
`CategoricalIndex.rename_categories`(*args, ...)	Переименовывает категории.
`CategoricalIndex.reorder_categories`(*args, ...)	Переупорядочивает категории, как указано в new_categories.
`CategoricalIndex.add_categories`(args, *kwargs)	Добавляет новые категории.
`CategoricalIndex.remove_categories`(*args, ...)	Удаляет указанные категории.
`CategoricalIndex.remove_unused_categories`(...)	Удаляет категории, которые не используются.
`CategoricalIndex.set_categories`(args, *kwargs)	Устанавливает категории в указанные new_categories.
`CategoricalIndex.as_ordered`(args, *kwargs)	Устанавливает категориальный тип как упорядоченный
`CategoricalIndex.as_unordered`(args, *kwargs)	Устанавливает категориальный тип как неупорядоченный

MultiIndex

MultiIndex Объект индекса с несколькими уровнями или иерархией для объектов pandas

Компоненты MultiIndex

`MultiIndex.from_arrays`(arrays[, sortorder, ...])	Преобразовать массивы в MultiIndex
`MultiIndex.from_tuples`(tuples[, sortorder, ...])	Преобразовать список кортежей в MultiIndex
`MultiIndex.from_product`(iterables[, ...])	Создать MultiIndex из декартова произведения нескольких итерируемых объектов
`MultiIndex.set_levels`(levels[, level, ...])	Установить новые уровни в MultiIndex.
`MultiIndex.set_labels`(labels[, level, ...])	Установить новые метки в MultiIndex.
`MultiIndex.to_hierarchical`(n_repeat[, n_shuffle])	Возвращает MultiIndex, преобразованный для соответствия заданным формам n_repeat и n_shuffle.
`MultiIndex.is_lexsorted`()	Возвращает True, если метки отсортированы лексикографически
`MultiIndex.droplevel`([level])	Возвращает Index с удалённым запрошенным уровнем.
`MultiIndex.swaplevel`([i, j])	Поменять уровень i с уровнем j.
`MultiIndex.reorder_levels`(order)	Переупорядочить уровни с использованием входного порядка.

DatetimeIndex

DatetimeIndex Неизменяемый массив ndarray типа datetime64, представленный внутри как int64, и который может быть преобразован в объекты Timestamp, являющиеся подклассами datetime и содержащие метаданные, такие как информация о частоте.

Компоненты времени/даты

`DatetimeIndex.year`	Год даты и времени
`DatetimeIndex.month`	Месяц (Январь=1, Декабрь=12)
`DatetimeIndex.day`	День даты и времени
`DatetimeIndex.hour`	Часы даты и времени
`DatetimeIndex.minute`	Минуты даты и времени
`DatetimeIndex.second`	Секунды даты и времени
`DatetimeIndex.microsecond`	Микросекунды даты и времени
`DatetimeIndex.nanosecond`	Наносекунды даты и времени
`DatetimeIndex.date`	Возвращает массив NumPy объектов datetime.date.
`DatetimeIndex.time`	Возвращает массив NumPy объектов datetime.time.
`DatetimeIndex.dayofyear`	Порядковый номер дня в году
`DatetimeIndex.weekofyear`	Порядковый номер недели в году
`DatetimeIndex.week`	Порядковый номер недели в году
`DatetimeIndex.dayofweek`	День недели (Понедельник=0, Воскресенье=6)
`DatetimeIndex.weekday`	День недели (Понедельник=0, Воскресенье=6)
`DatetimeIndex.weekday_name`	Название дня недели (например, Пятница)
`DatetimeIndex.quarter`	Квартал года
`DatetimeIndex.tz`
`DatetimeIndex.freq`	Получить/установить частоту индекса
`DatetimeIndex.freqstr`	Возвращает строковое представление объекта частоты, если он установлен, иначе None
`DatetimeIndex.is_month_start`	Логическое значение, указывающее, является ли день началом месяца (определяется частотой)
`DatetimeIndex.is_month_end`	Логическое значение, указывающее, является ли день концом месяца (определяется частотой)
`DatetimeIndex.is_quarter_start`	Логическое значение, указывающее, является ли день началом квартала (определяется частотой)
`DatetimeIndex.is_quarter_end`	Логическое значение, указывающее, является ли день концом квартала (определяется частотой)
`DatetimeIndex.is_year_start`	Логическое значение, указывающее, является ли день началом года (определяется частотой)
`DatetimeIndex.is_year_end`	Логическое значение, указывающее, является ли день концом года (определяется частотой)
`DatetimeIndex.inferred_freq`

Выбор элементов

`DatetimeIndex.indexer_at_time`(time[, asof])	Выбор значений в определённое время суток (например,
`DatetimeIndex.indexer_between_time`(...[, ...])	Выбор значений между определёнными временами суток (например, с 9:00 до 9:30 утра).

Операции, специфичные для времени

`DatetimeIndex.normalize`()	Возвращает DatetimeIndex с временем, установленным в полночь.
`DatetimeIndex.strftime`(date_format)	Возвращает массив отформатированных строк, заданных в формате date_format, поддерживающий тот же формат строк, что и стандартная библиотека Python.
`DatetimeIndex.snap`([freq])	Привязка временных меток к ближайшей частоте
`DatetimeIndex.tz_convert`(tz)	Преобразование tz-осознаваемого DatetimeIndex из одной часовой зоны в другую (используя
`DatetimeIndex.tz_localize`(args, *kwargs)	Локализация tz-неявного DatetimeIndex в заданной часовой зоне (используя
`DatetimeIndex.round`(freq, args, *kwargs)	округление индекса до указанной частоты
`DatetimeIndex.floor`(freq)	округление индекса вниз до указанной частоты
`DatetimeIndex.ceil`(freq)	округление индекса вверх до указанной частоты

Преобразование

`DatetimeIndex.to_datetime`([dayfirst])
`DatetimeIndex.to_period`([freq])	Преобразование к PeriodIndex с заданной частотой
`DatetimeIndex.to_perioddelta`(freq)	Вычисление TimedeltaIndex разницы между значениями индекса и индексом, преобразованным в PeriodIndex с указанной частотой.
`DatetimeIndex.to_pydatetime`()	Возвращает DatetimeIndex как объект ndarray объектов datetime.datetime
`DatetimeIndex.to_series`([keep_tz])	Создаёт Series с индексом и значениями, равными ключам индекса

TimedeltaIndex

TimedeltaIndex Неизменяемый массив ndarray данных типа timedelta64, представленный внутри как int64, и

Компоненты

`TimedeltaIndex.days`	Количество дней для каждого элемента.
`TimedeltaIndex.seconds`	Количество секунд (>= 0 и меньше 1 дня) для каждого элемента.
`TimedeltaIndex.microseconds`	Количество микросекунд (>= 0 и меньше 1 секунды) для каждого элемента.
`TimedeltaIndex.nanoseconds`	Количество наносекунд (>= 0 и меньше 1 микросекунды) для каждого элемента.
`TimedeltaIndex.components`	Возвращает DataFrame компонентов (дней, часов, минут, секунд, миллисекунд, микросекунд, наносекунд) Timedeltas.
`TimedeltaIndex.inferred_freq`

Преобразование

`TimedeltaIndex.to_pytimedelta`()	Возвращает TimedeltaIndex как массив ndarray объекта datetime.timedelta
`TimedeltaIndex.to_series`(**kwargs)	Создает Series с индексом и значениями, равными ключам индекса
`TimedeltaIndex.round`(freq, args, *kwargs)	округляет индекс до указанной частоты
`TimedeltaIndex.floor`(freq)	округляет индекс вниз до указанной частоты
`TimedeltaIndex.ceil`(freq)	округляет индекс вверх до указанной частоты

Окно

Объекты Rolling возвращаются вызовами .rolling: pandas.DataFrame.rolling(), pandas.Series.rolling() и т.д. Объекты Expanding возвращаются вызовами .expanding: pandas.DataFrame.expanding(), pandas.Series.expanding() и т.д. Объекты EWM возвращаются вызовами .ewm: pandas.DataFrame.ewm(), pandas.Series.ewm() и т.д.

Стандартные функции скользящего окна

`Rolling.count`()	количество элементов без NaN
`Rolling.sum`(**kwargs)	сумма скользящего окна
`Rolling.mean`(**kwargs)	среднее скользящего окна
`Rolling.median`(**kwargs)	медиана скользящего окна
`Rolling.var`([ddof])	дисперсия скользящего окна
`Rolling.std`([ddof])	стандартное отклонение скользящего окна
`Rolling.min`(**kwargs)	минимальное значение скользящего окна
`Rolling.max`(**kwargs)	максимальное значение скользящего окна
`Rolling.corr`([other, pairwise])	выборка корреляции скользящего окна
`Rolling.cov`([other, pairwise, ddof])	выборка ковариации скользящего окна
`Rolling.skew`(**kwargs)	смещение скользящего окна
`Rolling.kurt`(**kwargs)	куртозис скользящего окна
`Rolling.apply`(func[, args, kwargs])	применение функции к скользящему окну
`Rolling.quantile`(quantile, **kwargs)	квантиль скользящего окна
`Window.mean`(**kwargs)	среднее окна
`Window.sum`(**kwargs)	сумма окна

Стандартные функции расширяющегося окна

`Expanding.count`(**kwargs)	счёт элементов без NaN
`Expanding.sum`(**kwargs)	сумма расширяющегося окна
`Expanding.mean`(**kwargs)	среднее расширяющегося окна
`Expanding.median`(**kwargs)	медиана расширяющегося окна
`Expanding.var`([ddof])	дисперсия расширяющегося окна
`Expanding.std`([ddof])	стандартное отклонение расширяющегося окна
`Expanding.min`(**kwargs)	минимальное значение расширяющегося окна
`Expanding.max`(**kwargs)	максимальное значение расширяющегося окна
`Expanding.corr`([other, pairwise])	выборка корреляции расширяющегося окна
`Expanding.cov`([other, pairwise, ddof])	выборка ковариации расширяющегося окна
`Expanding.skew`(**kwargs)	смещение расширяющегося окна
`Expanding.kurt`(**kwargs)	куртозис расширяющегося окна
`Expanding.apply`(func[, args, kwargs])	применение функции к расширяющемуся окну
`Expanding.quantile`(quantile, **kwargs)	квантиль расширяющегося окна

Функции скользящего окна с экспоненциальным взвешиванием

`EWM.mean`(**kwargs)	экспоненциально взвешенное скользящее среднее
`EWM.std`([bias])	экспоненциально взвешенное скользящее стандартное отклонение
`EWM.var`([bias])	экспоненциально взвешенное скользящее дисперсия
`EWM.corr`([other, pairwise])	экспоненциально взвешенная выборочная корреляция
`EWM.cov`([other, pairwise, bias])	экспоненциально взвешенная выборочная ковариация

GroupBy

Объекты GroupBy возвращаются вызовами groupby: pandas.DataFrame.groupby(), pandas.Series.groupby() и т. д.

Индексирование, итерация

`GroupBy.__iter__`()	Итератор Groupby
`GroupBy.groups`	словарь {имя группы -> метки группы}
`GroupBy.indices`	словарь {имя группы -> индексы группы}
`GroupBy.get_group`(name[, obj])	Создаёт NDFrame из группы с указанным именем

Grouper([key, level, freq, axis, sort]) Grouper позволяет пользователю указать инструкцию groupby для целевого объекта

Применение функций

`GroupBy.apply`(func, args, *kwargs)	Применяет функцию и комбинирует результаты разумным способом.
`GroupBy.aggregate`(func, args, *kwargs)
`GroupBy.transform`(func, args, *kwargs)

Вычисления/описательные статистики

`GroupBy.count`()	Вычисляет количество элементов в группе, исключая пропущенные значения
`GroupBy.cumcount`([ascending])	Нумерует каждый элемент в каждой группе от 0 до длины этой группы - 1.
`GroupBy.first`()	Вычисляет первое значение в группе
`GroupBy.head`([n])	Возвращает первые n строк каждой группы.
`GroupBy.last`()	Вычисляет последнее значение в группе
`GroupBy.max`()	Вычисляет максимальное значение в группе
`GroupBy.mean`()	Вычисляет среднее значение в группе, исключая пропущенные значения
`GroupBy.median`()	Вычисляет медиану в группе, исключая пропущенные значения
`GroupBy.min`()	Вычисляет минимальное значение в группе
`GroupBy.nth`(n[, dropna])	Возвращает n-ую строку из каждой группы, если n - целое число, или подмножество строк, если n - список целых чисел.
`GroupBy.ohlc`()	Вычисляет сумму значений, исключая пропущенные значения
`GroupBy.prod`()	Вычисляет произведение значений в группе
`GroupBy.size`()	Вычисляет размер групп
`GroupBy.sem`([ddof])	Вычисляет стандартную ошибку среднего в группах, исключая пропущенные значения
`GroupBy.std`([ddof])	Вычисляет стандартное отклонение групп, исключая пропущенные значения
`GroupBy.sum`()	Вычисляет сумму значений в группе
`GroupBy.var`([ddof])	Вычисляет дисперсию групп, исключая пропущенные значения
`GroupBy.tail`([n])	Возвращает последние n строк каждой группы

Следующие методы доступны как в объектах SeriesGroupBy , так и в объектах DataFrameGroupBy , но могут незначительно отличаться, обычно в том, что версия DataFrameGroupBy обычно позволяет указывать аргумент оси и часто аргумент, указывающий, следует ли ограничить применение столбцам определённого типа данных.

`DataFrameGroupBy.agg`(arg, args, *kwargs)	Агрегировать с использованием входной функции или словаря {столбец ->
`DataFrameGroupBy.all`([axis, bool_only, ...])	Возвращает значение True, если все элементы на указанной оси равны True
`DataFrameGroupBy.any`([axis, bool_only, ...])	Возвращает значение True, если хотя бы один элемент на указанной оси равен True
`DataFrameGroupBy.bfill`([limit])	Заполнение значений обратным заполнением
`DataFrameGroupBy.corr`([method, min_periods])	Вычисление парной корреляции столбцов, исключая значения NA/null
`DataFrameGroupBy.count`()	Вычисление количества элементов в группе, исключая пропущенные значения
`DataFrameGroupBy.cov`([min_periods])	Вычисление парной ковариации столбцов, исключая значения NA/null
`DataFrameGroupBy.cummax`([axis, dtype, out, ...])	Возвращает кумулятивное максимальное значение по указанной оси.
`DataFrameGroupBy.cummin`([axis, dtype, out, ...])	Возвращает кумулятивное минимальное значение по указанной оси.
`DataFrameGroupBy.cumprod`([axis])	Кумулятивное произведение для каждой группы
`DataFrameGroupBy.cumsum`([axis])	Кумулятивная сумма для каждой группы
`DataFrameGroupBy.describe`([percentiles, ...])	Генерировать различные сводные статистические данные, исключая значения NaN.
`DataFrameGroupBy.diff`([periods, axis])	Первая дискретная разность объекта
`DataFrameGroupBy.ffill`([limit])	Заполнение значений вперёд
`DataFrameGroupBy.fillna`([value, method, ...])	Заполнение пропущенных значений NA/NaN указанным методом
`DataFrameGroupBy.hist`(data[, column, by, ...])	Построение гистограммы ряда DataFrame с помощью matplotlib/pylab.
`DataFrameGroupBy.idxmax`([axis, skipna])	Возвращает индекс первого вхождения максимального значения по указанной оси.
`DataFrameGroupBy.idxmin`([axis, skipna])	Возвращает индекс первого вхождения минимального значения по указанной оси.
`DataFrameGroupBy.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений по указанной оси
`DataFrameGroupBy.pct_change`([periods, ...])	Процентное изменение за заданное количество периодов.
`DataFrameGroupBy.plot`	Класс, реализующий атрибут .plot для объектов groupby
`DataFrameGroupBy.quantile`([q, axis, ...])	Возвращает значения в заданном квантиле по указанной оси, аналогично numpy.percentile.
`DataFrameGroupBy.rank`([axis, method, ...])	Вычисление числовых рангов (от 1 до n) по оси.
`DataFrameGroupBy.resample`(rule, args, *kwargs)	Предоставляет ресемплирование при использовании TimeGrouper
`DataFrameGroupBy.shift`([periods, freq, axis])	Смещение каждой группы на периоды наблюдений
`DataFrameGroupBy.size`()	Вычисление размеров групп
`DataFrameGroupBy.skew`([axis, skipna, level, ...])	Возвращает несмещённое значение асимметрии по указанной оси
`DataFrameGroupBy.take`(indices[, axis, ...])	Аналогично ndarray.take
`DataFrameGroupBy.tshift`([periods, freq, axis])	Смещение временного индекса, используя частоту индекса, если она доступна.

Следующие методы доступны только для SeriesGroupBy объектов.

`SeriesGroupBy.nlargest`(args, *kwargs)	Возвращает `n` элементов с наибольшими значениями.
`SeriesGroupBy.nsmallest`(args, *kwargs)	Возвращает `n` элементов с наименьшими значениями.
`SeriesGroupBy.nunique`([dropna])	Возвращает количество уникальных элементов в группе
`SeriesGroupBy.unique`()	Возвращает массив уникальных значений в объекте.
`SeriesGroupBy.value_counts`([normalize, ...])

Следующие методы доступны только для DataFrameGroupBy объектов.

`DataFrameGroupBy.corrwith`(other[, axis, drop])	Вычисление парной корреляции между строками или столбцами двух объектов DataFrame.
`DataFrameGroupBy.boxplot`(grouped[, ...])	Построение диаграмм размаха из данных DataFrameGroupBy.

Ресемплирование

Объекты Resampler возвращаются вызовами resample: pandas.DataFrame.resample(), pandas.Series.resample().

Индексация, итерация

`Resampler.__iter__`()	Итератор группировки
`Resampler.groups`	словарь {имя группы -> метки группы}
`Resampler.indices`	словарь {имя группы -> индексы группы}
`Resampler.get_group`(name[, obj])	Создает NDFrame из группы с заданным именем

Применение функций

`Resampler.apply`(arg, args, *kwargs)	Применение агрегационной функции или функций к ресемплированным группам, выводя
`Resampler.aggregate`(arg, args, *kwargs)	Применение агрегационной функции или функций к ресемплированным группам, выводя
`Resampler.transform`(arg, args, *kwargs)	Вызов функции, генерирующей Series с аналогичным индексом для каждой группы, и возврат

Увеличение частоты выборки (апсемплинг)

`Resampler.ffill`([limit])	Заполнение вперед (ffill) значений
`Resampler.backfill`([limit])	Заполнение назад (backfill) значений
`Resampler.bfill`([limit])	Заполнение назад (backfill) значений
`Resampler.pad`([limit])	Заполнение вперед (ffill) значений
`Resampler.fillna`(method[, limit])	Заполнение пропущенных значений
`Resampler.asfreq`()	Возвращает значения с новой частотой,
`Resampler.interpolate`([method, axis, limit, ...])	Интерполяция значений по различным методам.

Вычисления/Дескриптивные статистики

`Resampler.count`([_method])	Вычисление количества в группе, исключая пропущенные значения
`Resampler.nunique`([_method])	Возвращает количество уникальных элементов в группе
`Resampler.first`([_method])	Вычисление первого значения в группе
`Resampler.last`([_method])	Вычисление последнего значения в группе
`Resampler.max`([_method])	Вычисление максимального значения в группе
`Resampler.mean`([_method])	Вычисление среднего значения в группе, исключая пропущенные значения
`Resampler.median`([_method])	Вычисление медианы в группе, исключая пропущенные значения
`Resampler.min`([_method])	Вычисление минимального значения в группе
`Resampler.ohlc`([_method])	Вычисление суммы значений, исключая пропущенные значения
`Resampler.prod`([_method])	Вычисление произведения значений в группе
`Resampler.size`([_method])	Вычисление размеров групп
`Resampler.sem`([_method])	Вычисление стандартной ошибки среднего в группе, исключая пропущенные значения
`Resampler.std`([ddof])	Вычисление стандартного отклонения в группе, исключая пропущенные значения
`Resampler.sum`([_method])	Вычисление суммы значений в группе
`Resampler.var`([ddof])	Вычисление дисперсии в группе, исключая пропущенные значения

Стиль

Styler объекты возвращаются функцией pandas.DataFrame.style.

Конструктор

Styler(data[, precision, table_styles, ...]) Помогает стилизовать DataFrame или Series в соответствии с данными с помощью HTML и CSS.

Применение стиля

`Styler.apply`(func[, axis, subset])	Применение функции по столбцам, строкам или всей таблице, обновляя HTML-представление результатом.
`Styler.applymap`(func[, subset])	Применение функции к каждому элементу, обновляя HTML-представление результатом.
`Styler.format`(formatter[, subset])	Форматирование отображаемого значения ячеек.
`Styler.set_precision`(precision)	Установить точность, используемую для отображения.
`Styler.set_table_styles`(table_styles)	Установить стили таблицы для Styler.
`Styler.set_caption`(caption)	Установить заголовок таблицы для Styler
`Styler.set_properties`([subset])	Удобный метод для задания одной или нескольких свойств ячеек, не зависящих от данных.
`Styler.set_uuid`(uuid)	Установить uuid для Styler.
`Styler.clear`()	«Сбросить» стили Styler, удалив ранее примененные стили.

Встроенные стили

`Styler.highlight_max`([subset, color, axis])	Выделить максимальное значение, заливкой фона
`Styler.highlight_min`([subset, color, axis])	Выделить минимальное значение, заливкой фона
`Styler.highlight_null`([null_color])	Залить фон `null_color` для пропущенных значений.
`Styler.background_gradient`([cmap, low, ...])	Окрасить фон в градиент в соответствии с данными в каждом столбце (необязательно в строке).
`Styler.bar`([subset, axis, color, width])	Окрасить фон `color` пропорционально значениям в каждом столбце.

Экспорт и импорт стилей

`Styler.render`()	Отобразить построенные стили в HTML
`Styler.export`()	Экспортировать стили, применяемые к текущему Styler.
`Styler.use`(styles)	Установить стили на текущий Styler, возможно используя стили из `Styler.export`.

Общие служебные функции

Работа с опциями

`describe_option`(pat[, _print_desc])	Выводит описание одной или нескольких зарегистрированных опций.
`reset_option`(pat)	Сбросить одну или несколько опций до значения по умолчанию.
`get_option`(pat)	Возвращает значение указанной опции.
`set_option`(pat, value)	Устанавливает значение указанной опции.
`option_context`(*args)	Контекстный менеджер для временного изменения опций в контексте `with` оператора.

© 2008–2012, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
Licensed under the 3-clause BSD License.
https://pandas.pydata.org/pandas-docs/version/0.18.1/api.html