Справочник API

Вход/Выход

Запись в двоичный формат

read_pickle(path) Загрузка сериализованного объекта pandas (или любого другого сериализованного объекта) из указанного

Файл с плоской структурой

`read_table`(filepath_or_buffer[, sep, ...])	Чтение файла с разделителями в DataFrame
`read_csv`(filepath_or_buffer[, sep, ...])	Чтение CSV-файла (с разделителем запятая) в DataFrame
`read_fwf`(filepath_or_buffer[, colspecs, widths])	Чтение таблицы с фиксированной шириной строк в DataFrame
`read_msgpack`(path_or_buf[, encoding, iterator])	Загрузка объекта pandas в формате msgpack из указанного

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 DataFrame pandas
`ExcelFile.parse`([sheetname, header, ...])	Обработка указанного(ых) 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 из DataFrame объектов.

HDFStore: PyTables (HDF5)

`read_hdf`(path_or_buf[, key])	чтение из хранилища, закрытие, 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)	Извлечение объекта pandas, сохраненного в файле
`HDFStore.select`(key[, where, start, stop, ...])	Извлечение объекта pandas, сохраненного в файле, необязательно на основе where

SAS

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

SQL

`read_sql_table`(table_name, con[, schema, ...])	Чтение таблицы SQL-базы данных 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 файла Stata в DataFrame

`StataReader.data`(\\kwargs)	УСТАРЕЛО: Чтение наблюдений из файла Stata, преобразование их в DataFrame
`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, ...])	«Преобразует» DataFrame из широкого формата в длинный, необязательно оставляя
`pivot`(index, columns, values)	Создание сводной таблицы на основе 3 столбцов этого DataFrame.
`pivot_table`(data[, values, index, columns, ...])	Создание сводной таблицы в стиле электронной таблицы в виде DataFrame.
`crosstab`(index, columns[, values, rownames, ...])	Вычисление простой сводной таблицы для двух (или более) факторов.
`cut`(x, bins[, right, labels, retbins, ...])	Возвращает индексы полуоткрытых интервалов, к которым принадлежит каждое значение `x`.
`qcut`(x, q[, labels, retbins, precision])	Функция дискретизации на основе квантилей.
`merge`(left, right[, how, on, left_on, ...])	Объединение объектов DataFrame с помощью операции присоединения в стиле базы данных по столбцам или индексам.
`merge_ordered`(left, right[, on, left_on, ...])	Выполнение объединения с необязательным заполнением/интерполированием, предназначенным для упорядоченных данных, таких как временные ряды.
`merge_asof`(left, right[, on, left_on, ...])	Выполнение объединения asof.
`concat`(objs[, axis, join, join_axes, ...])	Конкатенация объектов pandas по определённой оси с необязательной логикой множеств по другим осям.
`get_dummies`(data[, prefix, prefix_sep, ...])	Преобразование категориальной переменной в фиктивные/индикаторные переменные
`factorize`(values[, sort, order, ...])	Кодирование входных значений как перечислимого типа или категориальной переменной

Глобальная обработка пропущенных данных

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

Преобразования верхнего уровня

to_numeric(arg[, errors, downcast]) Преобразование аргумента к числовому типу.

Обработка типов datetimelike верхнего уровня

`to_datetime`(\args, \\*kwargs)	Преобразование аргумента в тип datetime.
`to_timedelta`(\args, \\*kwargs)	Преобразование аргумента в тип timedelta
`date_range`([start, end, periods, freq, tz, ...])	Возвращает индекс дат с фиксированной частотой, по умолчанию — день (календарный)
`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 (календарный)
`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.

Оценки верхнего уровня

eval(expr[, parser, engine, truediv, ...]) Вычисление строкового выражения Python с использованием различных бэкэндов.

Тестирование

test Выполнение тестов модуля с использованием nose.

Серия (Series)

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\|плотно упакованными
`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, по определению — self
`Series.memory_usage`([index, deep])	Использование памяти Series

Преобразование

`Series.astype`(dtype[, copy, raise_on_error])	Преобразование объекта к входному numpy.dtype
`Series.copy`([deep])	Создает копию данных этого объекта.
`Series.isnull`()	Возвращает объект того же размера, что и булево значение, указывающее, являются ли значения нулевыми.
`Series.notnull`()	Возвращает объект того же размера, что и булево значение, указывающее, не являются ли значения 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, главным образом, на основе меток и позиций с целочисленным положением по умолчанию.
`Series.loc`	Индексатор, основанный исключительно на метках, для выбора по метке.
`Series.iloc`	Индексатор, основанный исключительно на целочисленных позициях, для выбора по позиции.
`Series.__iter__`()	Обеспечивает 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 попарно (бинарная операция `add`).
`Series.sub`(other[, level, fill_value, axis])	Вычитание рядов и других элементов попарно (бинарная операция `sub`).
`Series.mul`(other[, level, fill_value, axis])	Умножение рядов и других элементов попарно (бинарная операция `mul`).
`Series.div`(other[, level, fill_value, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарная операция `truediv`).
`Series.truediv`(other[, level, fill_value, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарная операция `truediv`).
`Series.floordiv`(other[, level, fill_value, axis])	Целочисленное деление рядов и других элементов попарно (бинарная операция `floordiv`).
`Series.mod`(other[, level, fill_value, axis])	Остаток от деления рядов и других элементов попарно (бинарная операция `mod`).
`Series.pow`(other[, level, fill_value, axis])	Возведение в степень рядов и других элементов попарно (бинарная операция `pow`).
`Series.radd`(other[, level, fill_value, axis])	Сложение рядов и других элементов попарно (бинарная операция `radd`).
`Series.rsub`(other[, level, fill_value, axis])	Вычитание рядов и других элементов попарно (бинарная операция `rsub`).
`Series.rmul`(other[, level, fill_value, axis])	Умножение рядов и других элементов попарно (бинарная операция `rmul`).
`Series.rdiv`(other[, level, fill_value, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарная операция `rtruediv`).
`Series.rtruediv`(other[, level, fill_value, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарная операция `rtruediv`).
`Series.rfloordiv`(other[, level, fill_value, ...])	Целочисленное деление рядов и других элементов попарно (бинарная операция `rfloordiv`).
`Series.rmod`(other[, level, fill_value, axis])	Остаток от деления рядов и других элементов попарно (бинарная операция `rmod`).
`Series.rpow`(other[, level, fill_value, axis])	Возведение в степень рядов и других элементов попарно (бинарная операция `rpow`).
`Series.combine`(other, func[, fill_value])	Выполнение бинарной операции по элементам двух рядов с использованием заданной функции
`Series.combine_first`(other)	Объединение значений рядов, выбирая сначала значения вызываемого ряда.
`Series.round`([decimals])	Округление каждого значения в ряду до заданного числа десятичных знаков.
`Series.lt`(other[, level, fill_value, axis])	Меньше, чем ряды и другие элементы попарно (бинарная операция `lt`).
`Series.gt`(other[, level, fill_value, axis])	Больше, чем ряды и другие элементы попарно (бинарная операция `gt`).
`Series.le`(other[, level, fill_value, axis])	Меньше или равно рядам и другим элементам попарно (бинарная операция `le`).
`Series.ge`(other[, level, fill_value, axis])	Больше или равно рядам и другим элементам попарно (бинарная операция `ge`).
`Series.ne`(other[, level, fill_value, axis])	Не равно рядам и другим элементам попарно (бинарная операция `ne`).
`Series.eq`(other[, level, fill_value, axis])	Равно рядам и другим элементам попарно (бинарная операция `eq`).

Применение функций, GroupBy & Окно

`Series.apply`(func[, convert_dtype, args])	Вызов функции для значений Series.
`Series.map`(arg[, na_action])	Преобразование значений Series с использованием соответствия (которое может быть
`Series.groupby`([by, axis, level, as_index, ...])	Группировка ряда с помощью отображения (словаря или функции ключа, применение заданной функции к группе, возврат результата как ряда) или по серии столбцов.
`Series.rolling`(window[, min_periods, freq, ...])	Предоставляет вычисления скользящего окна.
`Series.expanding`([min_periods, freq, ...])	Предоставляет расширяющие преобразования.
`Series.ewm`([com, span, halflife, alpha, ...])	Предоставляет функции экспоненциального взвешивания

Вычисления/описательные статистики

`Series.abs`()	Возвращает объект со значениями абсолютного значения – применима только к объектам, которые все являются числовыми.
`Series.all`([axis, bool_only, skipna, level])	Возвращает значение, указывающее, все ли элементы равны True по указанной оси
`Series.any`([axis, bool_only, skipna, level])	Возвращает значение, указывающее, является ли какой-либо элемент равным True по указанной оси
`Series.autocorr`([lag])	Автокорреляция с лагом N
`Series.between`(left, right[, inclusive])	Возвращает булевый Series, эквивалентный left <= series <= right.
`Series.clip`([lower, upper, axis])	Обрезает значения по входному порогу(ам).
`Series.clip_lower`(threshold[, axis])	Возвращает копию входных данных со значениями ниже заданного значения(й), усечёнными.
`Series.clip_upper`(threshold[, axis])	Возвращает копию входных данных со значениями выше заданного значения(й), усечёнными.
`Series.corr`(other[, method, min_periods])	Вычисление корреляции с `other` Series, исключая пропущенные значения
`Series.count`([level])	Возвращает количество наблюдений без NaN/null в Series
`Series.cov`(other[, min_periods])	Вычисление ковариации с Series, исключая пропущенные значения
`Series.cummax`([axis, skipna])	Возвращает кумулятивный максимум по указанной оси.
`Series.cummin`([axis, skipna])	Возвращает кумуляльный минимум по указанной оси.
`Series.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по указанной оси.
`Series.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по указанной оси.
`Series.describe`([percentiles, include, exclude])	Генерирует различные сводные статистические данные, исключая значения NaN.
`Series.diff`([periods])	Первое дискретное различие объекта
`Series.factorize`([sort, na_sentinel])	Кодирует объект как перечислимый тип или категориальную переменную
`Series.kurt`([axis, skipna, level, numeric_only])	Возвращает несмещённую эксцесс по указанной оси, используя определение эксцесса Фишера (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 медиану значений для указанной оси
`Series.min`([axis, skipna, level, numeric_only])	Этот метод возвращает минимальное значение в объекте.
`Series.mode`()	Возвращает моду(и) 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 по запрошенной оси.
`Series.quantile`([q, interpolation])	Возвращает значение в заданном квантиле, подобно numpy.percentile.
`Series.rank`([axis, method, numeric_only, ...])	Вычисление числовых рангов (от 1 до n) по оси.
`Series.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещённую стандартную ошибку среднего по указанной оси.
`Series.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённое искажение 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 по указанной оси
`Series.var`([axis, skipna, level, ddof, ...])	Возвращает несмещённую дисперсию по указанной оси.
`Series.unique`()	Возвращает массив NumPy из 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.is_monotonic`	Возвращает булевое значение, если значения в объекте монотонно возрастают
`Series.is_monotonic_increasing`	Возвращает булевое значение, если значения в объекте монотонно возрастают
`Series.is_monotonic_decreasing`	Возвращает булевое значение, если значения в объекте монотонно убывают
`Series.value_counts`([normalize, sort, ...])	Возвращает объект, содержащий подсчеты уникальных значений.

Переиндексация / Выбор / Манипуляции с метками

`Series.align`(other[, join, axis, level, ...])	Выровнять два объекта по их осям с помощью
`Series.drop`(labels[, axis, level, inplace, ...])	Возвращает новый объект с удаленными метками на указанной оси.
`Series.drop_duplicates`(\args, \\*kwargs)	Возвращает Series с удаленными дублирующими 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 выделения начальных периодов временных рядов данных на основе временного сдвига.
`Series.head`([n])	Возвращает первые n строк
`Series.idxmax`([axis, skipna])	Индекс первого вхождения максимального значения.
`Series.idxmin`([axis, skipna])	Индекс первого вхождения 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 выделения конечных периодов временных рядов данных на основе временного сдвига.
`Series.reindex`([index])	Согласование Series с новым индексом с дополнительной логикой заполнения, помещающей NA/NaN в места, не имеющие значения в предыдущем индексе.
`Series.reindex_like`(other[, method, copy, ...])	Возвращает объект с соответствующими индексами мне.
`Series.rename`([index])	Изменение входных функций или функций осей.
`Series.rename_axis`(mapper[, axis, copy, inplace])	Изменение индекса и/или столбцов с использованием входной функции или функций.
`Series.reset_index`([level, drop, name, inplace])	Аналогично функции `pandas.DataFrame.reset_index()`, см. строку документации там.
`Series.sample`([n, frac, replace, weights, ...])	Возвращает случайную выборку элементов из оси объекта.
`Series.select`(crit[, axis])	Возвращает данные, соответствующие меткам осей, которые соответствуют 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])	Обрезает отсортированный NDFrame перед и/или после некоторого конкретного значения индекса.
`Series.where`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, чьи соответствующие записи берутся из self, где cond равно True, а в противном случае — из other.
`Series.mask`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, чьи соответствующие записи берутся из self, где cond равно False, а в противном случае — из other.

Обработка пропущенных данных

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

Перестройка, сортировка

`Series.argsort`([axis, kind, order])	Переопределяет ndarray.argsort.
`Series.reorder_levels`(order)	Переупорядочить уровни индексов 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 (по оси)
`Series.sortlevel`([level, ascending, ...])	Сортировка Series с MultiIndex по выбранному уровню.
`Series.swaplevel`([i, j, copy])	Перемена уровней i и j в MultiIndex
`Series.unstack`([level, fill_value])	Разворачивание, иначе
`Series.searchsorted`(v[, side, sorter])	Найти индексы, где элементы должны быть вставлены для сохранения порядка.

Объединение / соединение / слияние

`Series.append`(to_append[, ignore_index, ...])	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 ненулевых значений из переданной Series.

`Series.asfreq`(freq[, method, how, normalize])	Преобразовать временной ряд к заданной частоте.
`Series.asof`(where[, subset])	Берется последняя строка без значений NaN (или последняя строка без
`Series.shift`([periods, freq, axis])	Сдвинуть индекс на заданное количество периодов с опциональной временной частотой.
`Series.first_valid_index`()	Возвращает метку первого ненулевого/не-NA значения.
`Series.last_valid_index`()	Возвращает метку последнего ненулевого/не-NA значения.
`Series.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`Series.tz_convert`(tz[, axis, level, copy])	Преобразование временного ряда с часовым поясом в целевой часовой пояс.
`Series.tz_localize`(\args, \\*kwargs)	Локализация временного ряда без часового пояса в целевой часовой пояс.

Свойства DateTimelike

Series.dt могут использоваться для доступа к значениям ряда как datetimelike и возвращают различные свойства. К ним можно обратиться как Series.dt.<property>.

Свойства даты и времени

`Series.dt.date`	Возвращает массив numpy объектов python datetime.date (в частности, часть даты Timestamp без информации о часовом поясе).
`Series.dt.time`	Возвращает массив numpy объектов datetime.time.
`Series.dt.year`	Год даты и времени.
`Series.dt.month`	Месяц, где январь=1, декабрь=12.
`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.is_leap_year`	Логическое значение, указывающее, является ли год високосным.
`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 даты и времени

`Series.dt.to_period`(\args, \\*kwargs)	Преобразование к PeriodIndex с заданной частотой.
`Series.dt.to_pydatetime`()
`Series.dt.tz_localize`(\args, \\*kwargs)	Локализация DatetimeIndex без часового пояса в заданный часовой пояс (используя
`Series.dt.tz_convert`(\args, \\*kwargs)	Преобразование DatetimeIndex с часовым поясом из одного часового пояса в другой (используя
`Series.dt.normalize`(\args, \\*kwargs)	Возвращает DatetimeIndex с временем, установленным на полночь.
`Series.dt.strftime`(\args, \\*kwargs)	Возвращает массив отформатированных строк, заданных форматом даты, который поддерживает тот же формат строк, что и стандартная библиотека Python.
`Series.dt.round`(\args, \\*kwargs)	округление индекса до указанной частоты
`Series.dt.floor`(\args, \\*kwargs)	опускание индекса до указанной частоты
`Series.dt.ceil`(\args, \\*kwargs)	округляем индекс до указанной частоты

Свойства Timedelta

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

Методы Timedelta

`Series.dt.to_pytimedelta`()
`Series.dt.total_seconds`(\args, \\*kwargs)	Общее время каждого элемента, выраженное в секундах.

Обработка строк

Series.str можно использовать для доступа к значениям серии в виде строк и применения к ним нескольких методов. К ним можно обратиться, как к Series.str.<function/property>.

`Series.str.capitalize`()	Преобразовать строки в Series/Index в верхний регистр первой буквы.
`Series.str.cat`([others, sep, na_rep])	Конкатенировать строки в Series/Index с заданным разделителем.
`Series.str.center`(width[, fillchar])	Заполнение левой и правой сторон строк в Series/Index дополнительным символом.
`Series.str.contains`(pat[, case, flags, na, ...])	Возвращает булеву Series/`array` , указывая, содержится ли заданный шаблон/регулярное выражение в каждой строке Series/Index.
`Series.str.count`(pat[, flags])	Подсчитать вхождения шаблона в каждой строке Series/Index.
`Series.str.decode`(encoding[, errors])	Декодировать строку символов в Series/Index с использованием указанной кодировки.
`Series.str.encode`(encoding[, errors])	Кодировать строку символов 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-субъекта в Series извлечь группы из первого совпадения регулярного выражения pat.
`Series.str.extractall`(pat[, flags])	Для каждой строки-субъекта в Series извлечь группы из всех совпадений регулярного выражения pat.
`Series.str.find`(sub[, start, end])	Возвращает минимальные индексы в каждой строке в Series/Index, где подстрока полностью содержится между [start:end].
`Series.str.findall`(pat[, flags])	Найти все вхождения шаблона или регулярного выражения в Series/Index.
`Series.str.get`(i)	Извлечь элемент из списков, кортежей или строк в каждом элементе в Series/Index.
`Series.str.index`(sub[, start, end])	Возвращает минимальные индексы в каждой строке, где подстрока полностью содержится между [start:end].
`Series.str.join`(sep)	Объединить списки, содержащиеся как элементы в Series/Index, с указанным разделителем.
`Series.str.len`()	Вычислить длину каждой строки в Series/Index.
`Series.str.ljust`(width[, fillchar])	Заполнение правой стороны строк в Series/Index дополнительным символом.
`Series.str.lower`()	Преобразовать строки в Series/Index в нижний регистр.
`Series.str.lstrip`([to_strip])	Удалить пробелы (включая новые строки) из каждой строки в Series/Index с левой стороны.
`Series.str.match`(pat[, case, flags, na, ...])	Устарело: Найти группы в каждой строке в Series/Index, используя указанное регулярное выражение.
`Series.str.normalize`(form)	Возвращает нормальную форму Unicode для строк в Series/Index.
`Series.str.pad`(width[, side, fillchar])	Заполнить строки в Series/Index дополнительным символом со стороны, указанной в параметре side.
`Series.str.partition`([pat, expand])	Разделить строку по первому вхождению `sep`, и вернуть 3 элемента, содержащие часть до разделителя, сам разделитель и часть после разделителя.
`Series.str.repeat`(repeats)	Дублировать каждую строку в Series/Index указанное количество раз.
`Series.str.replace`(pat, repl[, n, case, flags])	Заменить вхождения шаблона/регулярного выражения в Series/Index другой строкой.
`Series.str.rfind`(sub[, start, end])	Возвращает максимальные индексы в каждой строке в Series/Index, где подстрока полностью содержится между [start:end].
`Series.str.rindex`(sub[, start, end])	Возвращает максимальные индексы в каждой строке, где подстрока полностью содержится между [start:end].
`Series.str.rjust`(width[, fillchar])	Заполнение левой стороны строк в Series/Index дополнительным символом.
`Series.str.rpartition`([pat, expand])	Разделить строку по последнему вхождению `sep`, и вернуть 3 элемента, содержащие часть до разделителя, сам разделитель и часть после разделителя.
`Series.str.rstrip`([to_strip])	Удалить пробелы (включая новые строки) из каждой строки в Series/Index с правой стороны.
`Series.str.slice`([start, stop, step])	Вырезать подстроки из каждого элемента в Series/Index
`Series.str.slice_replace`([start, stop, repl])	Заменить срез каждой строки в Series/Index другой строкой.
`Series.str.split`([pat, n, expand])	Разделить каждую строку (аналогично re.split) в Series/Index по заданному шаблону, передавая значения NA.
`Series.str.rsplit`([pat, n, expand])	Разделить каждую строку 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])	Удалить пробелы (включая новые строки) из каждой строки в Series/Index с левой и правой сторон.
`Series.str.swapcase`()	Преобразовать строки в Series/Index в регистр с чередованием верхнего и нижнего регистров.
`Series.str.title`()	Преобразовать строки в Series/Index в заголовок.
`Series.str.translate`(table[, deletechars])	Картировать все символы в строке через заданную таблицу преобразований.
`Series.str.upper`()	Преобразовать строки в Series/Index в верхний регистр.

`Series.str.wrap`(width, \\kwargs)	Обёртка длинных строк в Series/Index для форматирования в абзацы длиной меньше заданной ширины.
`Series.str.zfill`(width)	Заполнение левой стороны строк в Series/Index нулями.
`Series.str.isalnum`()	Проверка, являются ли все символы в каждой строке в Series/Index буквенно-цифровыми.
`Series.str.isalpha`()	Проверка, являются ли все символы в каждой строке в Series/Index буквенными.
`Series.str.isdigit`()	Проверка, являются ли все символы в каждой строке в Series/Index цифрами.
`Series.str.isspace`()	Проверка, являются ли все символы в каждой строке в Series/Index пробелами.
`Series.str.islower`()	Проверка, являются ли все символы в каждой строке в Series/Index строчными.
`Series.str.isupper`()	Проверка, являются ли все символы в каждой строке в Series/Index заглавными.
`Series.str.istitle`()	Проверка, являются ли все символы в каждой строке в Series/Index строчными с заглавной первой буквой.
`Series.str.isnumeric`()	Проверка, являются ли все символы в каждой строке в Series/Index числовыми.
`Series.str.isdecimal`()	Проверка, являются ли все символы в каждой строке в Series/Index десятичными.
`Series.str.get_dummies`([sep])	Разделение каждой строки в Series по sep и возвращение фрейма фиктивных/индикаторных переменных.

Категориальные

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

`Series.cat.categories`	Категории данного категориального ряда.
`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)	Установка категорий на указанные новые категории.
`Series.cat.as_ordered`(\args, \\*kwargs)	Устанавливает категориальный ряд как упорядоченный
`Series.cat.as_unordered`(\args, \\*kwargs)	Устанавливает категориальный ряд как неупорядоченный

Для создания 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[, ...]) Создание типа Categorical из массивов кодов и категорий.

np.asarray(categorical) работает, реализуя интерфейс массива. Обратите внимание, что это преобразует Categorical обратно в массив numpy, поэтому информация об уровнях и порядке не сохраняется!

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

Отображение

Series.plot — это как вызываемый метод, так и пространство имён для конкретных методов отображения в формате Series.plot.<kind>.

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

`Series.plot.area`(\\kwds)	Диаграмма площади.
`Series.plot.bar`(\\kwds)	Вертикальная столбчатая диаграмма.
`Series.plot.barh`(\\kwds)	Горизонтальная столбчатая диаграмма.
`Series.plot.box`(\\kwds)	Диаграмма размаха.
`Series.plot.density`(\\kwds)	Диаграмма оценки плотности ядра.
`Series.plot.hist`([bins])	Гистограмма.
`Series.plot.kde`(\\kwds)	Диаграмма оценки плотности ядра.
`Series.plot.line`(\\kwds)	Линейная диаграмма.
`Series.plot.pie`(\\kwds)	Круговая диаграмма.

Series.hist([by, ax, grid, xlabelsize, ...]) Построение 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 с помощью протокола Pickle (сериализация).
`Series.to_csv`([path, index, sep, na_rep, ...])	Запись Series в файл CSV (с разделителем запятая).
`Series.to_dict`()	Преобразование Series в словарь {метка -> 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)	Запись данных в HDF5-файл с помощью HDFStore.
`Series.to_sql`(name, con[, flavor, schema, ...])	Запись записей, хранящихся в DataFrame, в базу данных SQL.
`Series.to_msgpack`([path_or_buf, encoding])	Запись объекта с помощью протокола msgpack (сериализация) 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`()	Возвращение плотной (в отличие от разреженной) представления NDFrame.
`Series.to_string`([buf, na_rep, ...])	Вывод строкового представления Series.
`Series.to_clipboard`([excel, sep])	Попытка записать текстовое представление объекта в буфер обмена системы. Это можно вставить, например, в Excel.

Методы разреженных объектов

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

DataFrame

Конструктор

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

Атрибуты и данные

Оси

index: метки строк
columns: метки столбцов

`DataFrame.as_matrix`([columns])	Преобразование кадра в его представление в виде массива Numpy.
`DataFrame.dtypes`	Возвращение типов данных в этом объекте.
`DataFrame.ftypes`	Возвращение ftypes (указание разреженного/плотного и типа данных) в этом объекте.
`DataFrame.get_dtype_counts`()	Возвращение количества типов данных в этом объекте.
`DataFrame.get_ftype_counts`()	Возвращение количества ftypes в этом объекте.
`DataFrame.select_dtypes`([include, exclude])	Возвращение подмножества DataFrame, включающего/исключающего столбцы на основе их `dtype`.
`DataFrame.values`	Представление NDFrame в виде массива Numpy.
`DataFrame.axes`	Возвращение списка с метками оси строк и оси столбцов в качестве единственных членов.
`DataFrame.ndim`	Количество осей / размерностей массива.
`DataFrame.size`	Количество элементов в NDFrame.
`DataFrame.shape`	Возвращение кортежа, представляющего 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.dtype.
`DataFrame.convert_objects`([convert_dates, ...])	Устарело.
`DataFrame.copy`([deep])	Создание копии данных этого объекта.
`DataFrame.isnull`()	Возвращение логического объекта того же размера, указывающего, являются ли значения NULL.
`DataFrame.notnull`()	Возвращение логического объекта того же размера, указывающего, не являются ли значения NULL.

Индексация, итерация

`DataFrame.head`([n])	Возвращает первые n строк
`DataFrame.at`	Быстрый скалярный аксессор на основе меток
`DataFrame.iat`	Быстрый скалярный аксессор по целочисленному местоположению.
`DataFrame.ix`	Индексатор, в основном основанный на метках и местоположении, с использованием целочисленной позиции по умолчанию.
`DataFrame.loc`	Индексатор, основанный исключительно на метках и местоположении для выбора по метке.
`DataFrame.iloc`	Индексация только на основе целочисленного местоположения для выбора по позиции.
`DataFrame.insert`(loc, column, value[, ...])	Вставить столбец в DataFrame в указанном месте.
`DataFrame.__iter__`()	Итерирование по оси infor
`DataFrame.iteritems`()	Итератор по парам (имя столбца, Series).
`DataFrame.iterrows`()	Итерация по строкам DataFrame как пары (индекс, Series).
`DataFrame.itertuples`([index, name])	Итерация по строкам DataFrame как namedtuples, с значением индекса как первым элементом кортежа.
`DataFrame.lookup`(row_labels, col_labels)	Функция «fancy indexing» на основе меток для DataFrame.
`DataFrame.pop`(item)	Возвращает элемент и удаляет его из фрейма.
`DataFrame.tail`([n])	Возвращает последние n строк
`DataFrame.xs`(key[, axis, level, drop_level])	Возвращает поперечное сечение (строку(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 элементы взяты из self, где cond истинно, а в противном случае из other.
`DataFrame.mask`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, чьи соответствующие элементы взяты из self, где cond ложно, а в противном случае из other.
`DataFrame.query`(expr[, inplace])	Запрос столбцов фрейма с помощью булева выражения.

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

Функции бинарных операторов

`DataFrame.add`(other[, axis, level, fill_value])	Сложение DataFrame и other, поэлементное (бинарная операция `add`).
`DataFrame.sub`(other[, axis, level, fill_value])	Вычитание DataFrame и other, поэлементное (бинарная операция `sub`).
`DataFrame.mul`(other[, axis, level, fill_value])	Умножение DataFrame и other, поэлементное (бинарная операция `mul`).
`DataFrame.div`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other, поэлементное (бинарная операция `truediv`).
`DataFrame.truediv`(other[, axis, level, ...])	Деление с плавающей точкой DataFrame и other, поэлементное (бинарная операция `truediv`).
`DataFrame.floordiv`(other[, axis, level, ...])	Целочисленное деление DataFrame и other, поэлементное (бинарная операция `floordiv`).
`DataFrame.mod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other, поэлементное (бинарная операция `mod`).
`DataFrame.pow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other, поэлементное (бинарная операция `pow`).
`DataFrame.radd`(other[, axis, level, fill_value])	Сложение DataFrame и other, поэлементное (бинарная операция `radd`).
`DataFrame.rsub`(other[, axis, level, fill_value])	Вычитание DataFrame и other, поэлементное (бинарная операция `rsub`).
`DataFrame.rmul`(other[, axis, level, fill_value])	Умножение DataFrame и other, поэлементное (бинарная операция `rmul`).
`DataFrame.rdiv`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other, поэлементное (бинарная операция `rtruediv`).
`DataFrame.rtruediv`(other[, axis, level, ...])	Деление с плавающей точкой DataFrame и other, поэлементное (бинарная операция `rtruediv`).
`DataFrame.rfloordiv`(other[, axis, level, ...])	Целочисленное деление DataFrame и other, поэлементное (бинарная операция `rfloordiv`).
`DataFrame.rmod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other, поэлементное (бинарная операция `rmod`).
`DataFrame.rpow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other, поэлементное (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 по умолчанию не нулевые значения в вызывающей метод рамке.

Применение функций, GroupBy & Window

`DataFrame.apply`(func[, axis, broadcast, ...])	Применяет функцию вдоль входной оси DataFrame.
`DataFrame.applymap`(func)	Применяет функцию к DataFrame, которая предназначена для работы с элементами, т.е.
`DataFrame.groupby`([by, axis, level, ...])	Группировка серии с помощью отображения (словарь или функция ключа, применение данной функции к группе, возврат результата в виде серии) или по серии столбцов.
`DataFrame.rolling`(window[, min_periods, ...])	Обеспечивает вычисления скользящего окна.
`DataFrame.expanding`([min_periods, freq, ...])	Обеспечивает расширяющие преобразования.
`DataFrame.ewm`([com, span, halflife, alpha, ...])	Обеспечивает экспоненциально взвешенные функции

Вычисления/описательные статистики

`DataFrame.abs`()	Возвращает объект с абсолютными значениями — применима только к объектам, которые все являются числовыми.
`DataFrame.all`([axis, bool_only, skipna, level])	Возвращает True, если все элементы по запрошенной оси равны True
`DataFrame.any`([axis, bool_only, skipna, level])	Возвращает True, если любой элемент по запрошенной оси равен True
`DataFrame.clip`([lower, upper, axis])	Обрезает значения по входным порогам.
`DataFrame.clip_lower`(threshold[, axis])	Возвращает копию входных данных с обрезанными значениями ниже заданного значения(й).
`DataFrame.clip_upper`(threshold[, axis])	Возвращает копию входных данных с обрезанными значениями выше заданного значения(й).
`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 Series с количеством наблюдений без NA/null по запрошенной оси.
`DataFrame.cov`([min_periods])	Вычисляет парную ковариацию столбцов, исключая значения NA/null.
`DataFrame.cummax`([axis, skipna])	Возвращает кумулятивный максимум по запрошенной оси.
`DataFrame.cummin`([axis, skipna])	Возвращает кумуляльный минимум по запрошенной оси.
`DataFrame.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по запрошенной оси.
`DataFrame.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по запрошенной оси.
`DataFrame.describe`([percentiles, include, ...])	Генерирует различные сводные статистические данные, исключая NaN значения.
`DataFrame.diff`([periods, axis])	Первая дискретная разница объекта
`DataFrame.eval`(expr[, inplace])	Вычисляет выражение в контексте вызываемого экземпляра DataFrame.
`DataFrame.kurt`([axis, skipna, level, ...])	Возвращает смещённую эксцесс по запрошенной оси, используя определение эксцесса Фишера (эксцесс нормального распределения == 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, подобно numpy.percentile.
`DataFrame.rank`([axis, method, numeric_only, ...])	Вычисляет числовые ранги (от 1 до n) по оси.
`DataFrame.round`([decimals])	Округляет DataFrame до заданного количества десятичных знаков.
`DataFrame.sem`([axis, skipna, level, ddof, ...])	Возвращает смещённую стандартную ошибку среднего по запрошенной оси.
`DataFrame.skew`([axis, skipna, level, ...])	Возвращает смещённый коэффициент асимметрии 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 смещённую дисперсию по запрошенной оси.

Переиндексация / Выбор / Работа с метками

`DataFrame.add_prefix`(prefix)	Конкатенация префиксной строки с именами элементов панели.
`DataFrame.add_suffix`(suffix)	Конкатенация суффиксной строки с именами элементов панели.
`DataFrame.align`(other[, join, axis, level, ...])	Выравнивание двух объектов по их осям с
`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 дублирующие строки, необязательно только
`DataFrame.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`DataFrame.filter`([items, like, regex, axis])	Подмножество строк или столбцов DataFrame в соответствии с метками в указанном индексе.
`DataFrame.first`(offset)	Удобный метод для выделения начальных периодов временных рядов данных на основе смещения даты.
`DataFrame.head`([n])	Возвращает первые n строк
`DataFrame.idxmax`([axis, skipna])	Возвращает индекс первого вхождения максимума по запрошенной оси.
`DataFrame.idxmin`([axis, skipna])	Возвращает индекс первого вхождения минимума по запрошенной оси.
`DataFrame.last`(offset)	Удобный метод для выделения конечных периодов временных рядов данных на основе смещения даты.
`DataFrame.reindex`([index, columns])	Приведение DataFrame к новому индексу с необязательной логикой заполнения, размещая NA/NaN в местах, не имеющих значения в предыдущем индексе.
`DataFrame.reindex_axis`(labels[, axis, ...])	Приведение входного объекта к новому индексу с необязательной логикой заполнения, размещая NA/NaN в местах, не имеющих значения в предыдущем индексе.
`DataFrame.reindex_like`(other[, method, ...])	Возвращает объект с соответствующими индексами мне.
`DataFrame.rename`([index, columns])	Изменение входной функции или функций осей.
`DataFrame.rename_axis`(mapper[, axis, copy, ...])	Изменение индекса и/или столбцов с использованием 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 индексов, 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, соответствующим критериям
`DataFrame.set_index`(keys[, drop, append, ...])	Установка индекса 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])	Усекает отсортированный NDFrame перед и/или после некоторого значения индекса.

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 указанным методом
`DataFrame.replace`([to_replace, value, ...])	Замена значений, указанных в ‘to_replace’, на ‘value’.

Переформатирование, сортировка, транспонирование

`DataFrame.pivot`([index, columns, values])	Переформатировать данные (создать сводную таблицу) на основе значений столбцов.
`DataFrame.reorder_levels`(order[, axis])	Переупорядочить уровни 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])	Получить строки DataFrame, отсортированные по `n` наибольшим значениям `columns`.
`DataFrame.nsmallest`(n, columns[, keep])	Получить строки DataFrame, отсортированные по `n` наименьшим значениям `columns`.
`DataFrame.swaplevel`([i, j, axis])	Поменять местами уровни i и j в многоуровневом индексе на определенной оси.
`DataFrame.stack`([level, dropna])	Поворачивать уровень (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])	Поворачивать уровень (обязательно иерархических) меток индекса, возвращая DataFrame, имеющий новый уровень меток столбцов, внутренний уровень которого состоит из повернутых меток индекса.
`DataFrame.T`	Транспонировать индекс и столбцы
`DataFrame.to_panel`()	Преобразовать длинный (складываемый) формат (DataFrame) в широкий (3D, Panel) формат.
`DataFrame.to_xarray`()	Возвращает объект xarray из pandas-объекта.
`DataFrame.transpose`(\args, \\*kwargs)	Транспонировать индекс и столбцы

Объединение / соединение / слияние

`DataFrame.append`(other[, ignore_index, ...])	Добавить строки `other` в конец этой таблицы, вернув новый объект.
`DataFrame.assign`(\\kwargs)	Присвоить новые столбцы DataFrame, вернув новый объект (копию) со всеми исходными столбцами в дополнение к новым.
`DataFrame.join`(other[, on, how, lsuffix, ...])	Объединить столбцы с другим DataFrame, либо по индексу, либо по ключевому столбцу.
`DataFrame.merge`(right[, how, on, left_on, ...])	Объединить объекты DataFrame, выполнив операцию соединения по столбцам или индексам в стиле баз данных.
`DataFrame.update`(other[, join, overwrite, ...])	Изменить DataFrame на месте, используя значения, отличные от NaN, из переданного DataFrame.

Связанные с временными рядами

`DataFrame.asfreq`(freq[, method, how, normalize])	Преобразовать временной ряд в заданную частоту.
`DataFrame.asof`(where[, subset])	Берется последняя строка без NaN (или последняя строка без
`DataFrame.shift`([periods, freq, axis])	Сдвинуть индекс на нужное количество периодов с необязательной частотой времени.
`DataFrame.first_valid_index`()	Возвращает метку первой строки без NA/null значения.
`DataFrame.last_valid_index`()	Возвращает метку последней строки без NA/null значения.
`DataFrame.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`DataFrame.to_period`([freq, axis, copy])	Преобразовать DataFrame из DatetimeIndex в PeriodIndex с желаемой
`DataFrame.to_timestamp`([freq, how, axis, copy])	Преобразование в DatetimeIndex временных меток, в начале периода.
`DataFrame.tz_convert`(tz[, axis, level, copy])	Преобразовать временную ось с учетом часового пояса в целевой часовой пояс.
`DataFrame.tz_localize`(\args, \\*kwargs)	Локализовать временную ось без часового пояса в целевом часовом поясе.

Отображение

DataFrame.plot — это метод вызова и атрибут пространства имен для специфических методов отображения вида DataFrame.plot.<kind>.

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

`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, ...])	Гексагональный график
`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, ...])	Создать диаграмму размаха (box plot) из столбца DataFrame, необязательно с группировкой по некоторым столбцам или
`DataFrame.hist`(data[, column, by, grid, ...])	Построение гистограммы 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 DataFrame.
`DataFrame.to_pickle`(path)	Сохранение объекта в двоичный файл (сериализация) в указанный путь.
`DataFrame.to_csv`([path_or_buf, sep, na_rep, ...])	Запись DataFrame в файл с разделителями (csv).
`DataFrame.to_hdf`(path_or_buf, key, \\kwargs)	Запись данных в файл HDF5 с использованием HDFStore.
`DataFrame.to_sql`(name, con[, flavor, ...])	Запись записей из DataFrame в базу данных SQL.
`DataFrame.to_dict`([orient])	Преобразование DataFrame в словарь.
`DataFrame.to_excel`(excel_writer[, ...])	Запись DataFrame в лист Excel.
`DataFrame.to_json`([path_or_buf, orient, ...])	Преобразование объекта в строку JSON.
`DataFrame.to_html`([buf, columns, col_space, ...])	Отображение DataFrame как HTML-таблицы.
`DataFrame.to_latex`([buf, columns, ...])	Вывод DataFrame в таблицу среды LaTeX.
`DataFrame.to_stata`(fname[, convert_dates, ...])	Класс для записи двоичных файлов Stata (.dta) из массивоподобных объектов.
`DataFrame.to_msgpack`([path_or_buf, encoding])	Сохранение объекта в файл msgpack (сериализация).
`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 табличном формате.
`DataFrame.to_clipboard`([excel, sep])	Попытка записать текстовое представление объекта в буфер обмена системы. Это можно вставить, например, в Excel.

Панель (Panel)

Конструктор

Panel([data, items, major_axis, minor_axis, ...]) Представление панельных данных в широком формате, хранящихся в виде 3-мерного массива

Атрибуты и базовые данные

Оси (Axes)

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

`Panel.values`	Массивоподобное представление NDFrame
`Panel.axes`	Возвращает метки индекса(ов) внутреннего NDFrame
`Panel.ndim`	Число осей/размерностей массива
`Panel.size`	число элементов в NDFrame
`Panel.shape`	Возвращает кортеж размеров осей
`Panel.dtypes`	Возвращает типы данных в этом объекте.
`Panel.ftypes`	Возвращает ftypes (индикация разреженного/плотного и типа данных) в этом объекте.
`Panel.get_dtype_counts`()	Возвращает количество типов данных в этом объекте.
`Panel.get_ftype_counts`()	Возвращает количество ftypes в этом объекте.

Преобразование

`Panel.astype`(dtype[, copy, raise_on_error])	Преобразовать объект в указанный тип numpy.dtype
`Panel.copy`([deep])	Создать копию данных этого объекта.
`Panel.isnull`()	Возвращает булевский объект того же размера, указывающий, являются ли значения пустым (null).
`Panel.notnull`()	Возвращает булевский объект того же размера, указывающий, являются ли значения непустым (не null).

Получение и установка

`Panel.get_value`(\args, \\*kwargs)	Быстрое получение одиночного значения по местоположению (элемент, большая ось, малая ось)
`Panel.set_value`(\args, \\*kwargs)	Быстрое установка одиночного значения по местоположению (элемент, большая ось, малая ось)

Индексирование, итерирование, срезы

`Panel.at`	Быстрый скалярный аксессор на основе меток
`Panel.iat`	Быстрый скалярный аксессор по целочисленной позиции.
`Panel.ix`	Индексатор, в основном, на основе меток и позиций; используется целочисленная позиция в качестве резерва.
`Panel.loc`	Чисто метко-позиционный индексатор для выбора по меткам.
`Panel.iloc`	Чисто целочисленно-позиционный индексатор для выбора по позиции.
`Panel.__iter__`()	Итерироваться по оси информации
`Panel.iteritems`()	Итерироваться по (метке, значениям) на оси информации
`Panel.pop`(item)	Возвращает элемент и удаляет его из фрейма.
`Panel.xs`(key[, axis])	Возвращает срез панели по выбранной оси
`Panel.major_xs`(key)	Возвращает срез панели по основной оси
`Panel.minor_xs`(key)	Возвращает срез панели по вспомогательной оси

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

Функции бинарных операций

`Panel.add`(other[, axis])	Сложение рядов и других элементов по элементам (бинарная операция `add`).
`Panel.sub`(other[, axis])	Вычитание рядов и других элементов по элементам (бинарная операция `sub`).
`Panel.mul`(other[, axis])	Умножение рядов и других элементов по элементам (бинарная операция `mul`).
`Panel.div`(other[, axis])	Деление с плавающей запятой рядов и других элементов по элементам (бинарная операция `truediv`).
`Panel.truediv`(other[, axis])	Деление с плавающей запятой рядов и других элементов по элементам (бинарная операция `truediv`).
`Panel.floordiv`(other[, axis])	Целочисленное деление рядов и других элементов по элементам (бинарная операция `floordiv`).
`Panel.mod`(other[, axis])	Остаток от деления рядов и других элементов по элементам (бинарная операция `mod`).
`Panel.pow`(other[, axis])	Возведение в степень рядов и других элементов по элементам (бинарная операция `pow`).
`Panel.radd`(other[, axis])	Сложение рядов и других элементов по элементам (бинарная операция `radd`).
`Panel.rsub`(other[, axis])	Вычитание рядов и других элементов по элементам (бинарная операция `rsub`).
`Panel.rmul`(other[, axis])	Умножение рядов и других элементов по элементам (бинарная операция `rmul`).
`Panel.rdiv`(other[, axis])	Деление с плавающей запятой рядов и других элементов по элементам (бинарная операция `rtruediv`).
`Panel.rtruediv`(other[, axis])	Деление с плавающей запятой рядов и других элементов по элементам (бинарная операция `rtruediv`).
`Panel.rfloordiv`(other[, axis])	Целочисленное деление рядов и других элементов по элементам (бинарная операция `rfloordiv`).
`Panel.rmod`(other[, axis])	Остаток от деления рядов и других элементов по элементам (бинарная операция `rmod`).
`Panel.rpow`(other[, axis])	Возведение в степень рядов и других элементов по элементам (бинарная операция `rpow`).
`Panel.lt`(other[, axis])	Обёртка для метода сравнения lt
`Panel.gt`(other[, axis])	Обёртка для метода сравнения gt
`Panel.le`(other[, axis])	Обёртка для метода сравнения le
`Panel.ge`(other[, axis])	Обёртка для метода сравнения ge
`Panel.ne`(other[, axis])	Обёртка для метода сравнения ne
`Panel.eq`(other[, axis])	Обёртка для метода 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 с абсолютными значениями — применимо только к объектам, все значения которых являются числовыми.
`Panel.clip`([lower, upper, axis])	Обрезает значения по заданному порогу.
`Panel.clip_lower`(threshold[, axis])	Возвращает копию входных данных с усеченными значениями, меньшими заданного значения.
`Panel.clip_upper`(threshold[, axis])	Возвращает копию входных данных с усеченными значениями, большими заданного значения.
`Panel.count`([axis])	Возвращает количество наблюдений по указанной оси.
`Panel.cummax`([axis, skipna])	Возвращает накопительный максимум по указанной оси.
`Panel.cummin`([axis, skipna])	Возвращает накопительный минимум по указанной оси.
`Panel.cumprod`([axis, skipna])	Возвращает накопительное произведение по указанной оси.
`Panel.cumsum`([axis, skipna])	Возвращает накопительную 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 среднеквадратичную ошибку среднего по указанной оси.
`Panel.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённое значение 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 / Работа с метками

`Panel.add_prefix`(prefix)	Добавить префикс к именам элементов панели.
`Panel.add_suffix`(suffix)	Добавить 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])	Подмножество строк или столбцов DataFrame в соответствии с метками в указанном индексе.
`Panel.first`(offset)	Удобный метод для выделения начальных периодов временных рядов на основе временного сдвига.
`Panel.last`(offset)	Удобный метод для выделения конечных периодов временных рядов на основе временного сдвига.
`Panel.reindex`([items, major_axis, minor_axis])	Приведение Panel к новому индексу с необязательной логикой заполнения, размещая NA/NaN в местах, не имеющих значения в предыдущем индексе.
`Panel.reindex_axis`(labels[, axis, method, ...])	Приведение входного объекта к новому индексу с необязательной логикой заполнения, размещая NA/NaN в местах, не имеющих значения в предыдущем индексе.
`Panel.reindex_like`(other[, method, copy, ...])	Возвращает объект с соответствующими индексами к себе.
`Panel.rename`([items, major_axis, minor_axis])	Изменение входной функции или функций осей.
`Panel.sample`([n, frac, replace, weights, ...])	Возвращает случайную выборку элементов из оси объекта.
`Panel.select`(crit[, axis])	Возвращает данные, соответствующие меткам оси, удовлетворяющим критериям.
`Panel.take`(indices[, axis, convert, is_copy])	Аналог ndarray.take
`Panel.truncate`([before, after, axis, copy])	Усекает отсортированный NDFrame перед и/или после определённого значения индекса.

Обработка пропущенных данных

`Panel.dropna`([axis, how, inplace])	Удаляет 2D из панели, сохраняя постоянной указанную ось.
`Panel.fillna`([value, method, axis, inplace, ...])	Заполняет значения NA/NaN заданным методом.

Перестройка, 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 Panel.
`Panel.swapaxes`(axis1, axis2[, copy])	Меняет местами оси и соответствующим образом меняет местами значения осей.
`Panel.conform`(frame[, axis])	Приводит входной DataFrame к соответствию с выбранной парой осей.

Объединение / объединение / слияние

`Panel.join`(other[, how, lsuffix, rsuffix])	Объединяет элементы с другим Panel по столбцам главных и второстепенных осей.
`Panel.update`(other[, join, overwrite, ...])	Изменяет Panel на месте, используя не-NA значения из переданного Panel или объекта, преобразуемого в Panel.

Связанные с временными рядами

`Panel.asfreq`(freq[, method, how, normalize])	Преобразовать временной ряд к указанной частоте.
`Panel.shift`([periods, freq, axis])	Смещение индекса на нужное количество периодов с необязательной временной частотой.
`Panel.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`Panel.tz_convert`(tz[, axis, level, copy])	Преобразование временной оси с учетом часового пояса в целевой часовой пояс.
`Panel.tz_localize`(\args, \\*kwargs)	Локализация временного ряда без учета часового пояса в целевой часовой пояс.

Сериализация / Ввод/вывод / Преобразование

`Panel.from_dict`(data[, intersect, orient, dtype])	Построение панели из словаря объектов DataFrame
`Panel.to_pickle`(path)	Сериализация объекта в файл с помощью протокола pickle.
`Panel.to_excel`(path[, na_rep, engine])	Запись каждого DataFrame в панели в отдельный лист Excel
`Panel.to_hdf`(path_or_buf, key, \\kwargs)	Запись данных в файл HDF5 с помощью HDFStore.
`Panel.to_sparse`(\args, \\*kwargs)	НЕ РЕАЛИЗОВАНО: не вызывайте этот метод, так как сжатие не поддерживается для объектов Panel и приведет к ошибке.
`Panel.to_frame`([filter_observations])	Преобразование широкого формата в длинный (складываемый) формат в DataFrame, столбцы которого являются элементами панели, а индекс — многоуровневый индекс, образованный главными и второстепенными осями панели.
`Panel.to_xarray`()	Возвращает объект xarray из объекта pandas.
`Panel.to_clipboard`([excel, sep])	Попытка записи текстового представления объекта в буфер обмена системы. Это можно вставить, например, в Excel.

Panel4D

Конструктор

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

Сериализация / Ввод/вывод / Преобразование

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

Атрибуты и данные

Оси

labels: ось 1; каждый метка соответствует панели, содержащейся 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`	Представление NDFrame в NumPy
`Panel4D.axes`	Возвращает метку(и) индекса внутреннего NDFrame
`Panel4D.ndim`	Количество осей / размерностей массива
`Panel4D.size`	число элементов в NDFrame
`Panel4D.shape`	Возвращает кортеж размеров осей
`Panel4D.dtypes`	Возвращает типы данных в этом объекте.
`Panel4D.ftypes`	Возвращает ftypes (указание разреженности/плотности и типа данных) в этом объекте.
`Panel4D.get_dtype_counts`()	Возвращает количество типов данных 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])	Создает копию данных этого объекта.
`Panel4D.isnull`()	Возвращает объект того же размера, что и исходный, содержащий булевы значения, указывающие, являются ли значения пустыми.
`Panel4D.notnull`()	Возвращает булевый объект тех же размеров, что и исходный, указывающий, не являются ли значения пустыми.

Индекс

Многие из этих методов или их варианты доступны для объектов, содержащих индекс (Series/DataFrame), и их следует использовать, скорее всего, прежде чем вызывать эти методы напрямую.

Index Неизменяемый ndarray, реализующий упорядоченное, разделяемое множество.

Атрибуты

`Index.values`	возвращает данные в виде массива ndarray
`Index.is_monotonic`	псевдоним для is_monotonic_increasing (устарело)
`Index.is_monotonic_increasing`	возвращает, является ли индекс монотонно возрастающим (только равны или
`Index.is_monotonic_decreasing`	возвращает, является ли индекс монотонно убывающим (только равны или
`Index.is_unique`
`Index.has_duplicates`
`Index.dtype`
`Index.inferred_type`
`Index.is_all_dates`
`Index.shape`	возвращает кортеж формы данных нижележащего массива
`Index.nbytes`	возвращает количество байтов в нижележащих данных
`Index.ndim`	возвращает количество измерений нижележащих данных,
`Index.size`	возвращает количество элементов в нижележащих данных
`Index.strides`	возвращает шаги нижележащих данных
`Index.itemsize`	возвращает размер типа данных элемента нижележащих данных
`Index.base`	возвращает базовый объект, если память нижележащих данных
`Index.T`	возвращает транспонированный объект, который по определению равен self
`Index.memory_usage`([deep])	Объём используемой памяти 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 индексатор аргумента минимума в виде массива ndarray
`Index.argmax`([axis])	возвращает индексатор аргумента максимума в виде массива ndarray
`Index.copy`([name, deep, dtype])	Создаёт копию этого объекта.
`Index.delete`(loc)	Создаёт новый Index, удаляя указанные позиции
`Index.drop`(labels[, errors])	Создаёт новый Index, удаляя указанные метки
`Index.drop_duplicates`(\args, \\*kwargs)	Возвращает Index с удалёнными дубликатами значений
`Index.duplicated`(\args, \\*kwargs)	Возвращает булевый массив np.ndarray, обозначающий дубликаты значений
`Index.equals`(other)	Определяет, содержат ли два объекта Index одинаковые элементы.
`Index.factorize`([sort, na_sentinel])	Кодирует объект как перечисление или категориальную переменную
`Index.identical`(other)	Аналогично equals, но проверяет, что другие сравниваемые атрибуты
`Index.insert`(loc, item)	Создаёт новый Index, вставляя новый элемент в указанную позицию.
`Index.min`()	Минимальное значение объекта.
`Index.max`()	Максимальное значение объекта.
`Index.reindex`(target[, method, level, ...])	Создаёт индекс со значениями целевого объекта (перемещает/добавляет/удаляет значения при необходимости)
`Index.repeat`(n, \args, \\*kwargs)	Повторяет элементы Index.
`Index.where`(cond[, other])	Новое в версии 0.19.0.
`Index.take`(indices[, axis, allow_fill, ...])	возвращает новый %(klass)s с выбранными значениями по индексам
`Index.putmask`(mask, value)	возвращает новый Index со значениями, установленными по маске
`Index.set_names`(names[, level, inplace])	Устанавливает новые имена для индекса.
`Index.unique`()	Возвращает Index уникальных значений в объекте.
`Index.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Index.value_counts`([normalize, sort, ...])	Возвращает объект, содержащий количество уникальных значений.
`Index.fillna`([value, downcast])	Заполняет пропущенные значения (NA/NaN) указанным значением
`Index.dropna`([how])	Возвращает Index без значений NA/NaN

Преобразование

`Index.astype`(dtype[, copy])	Создаёт Index со значениями, преобразованными к типу dtype.
`Index.tolist`()	возвращает список значений Index
`Index.to_datetime`([dayfirst])	УСТАРЕЛО: используйте `pandas.to_datetime()` вместо этого.
`Index.to_series`(\\kwargs)	Создаёт Series с индексом и значениями, равными ключам индекса

Сортировка

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

Операции, специфичные для времени

Index.shift([periods, freq]) Сдвигает индекс, содержащий объекты datetime, на указанное число периодов и

Объединение/соединение/операции с множествами

`Index.append`(other)	Присоединяет коллекцию вариантов Index вместе
`Index.join`(other[, how, level, return_indexers])	это внутренний непубличный метод
`Index.intersection`(other)	Формирует пересечение двух объектов Index.
`Index.union`(other)	Формирует объединение двух объектов Index и сортирует, если возможно.
`Index.difference`(other)	Возвращает новый индекс с элементами из индекса, которые не содержатся в `other`.
`Index.symmetric_difference`(other[, result_name])	Вычисляет симметричную разность двух объектов Index.

Выбор

`Index.get_indexer`(target[, method, limit, ...])	Вычисляет индексатор и маску для нового индекса, учитывая текущий индекс.
`Index.get_indexer_non_unique`(target)	возвращает индексатор, подходящий для извлечения из неуникального индекса
`Index.get_level_values`(level)	Возвращает вектор значений меток для запрошенного уровня, равный длине
`Index.get_loc`(key[, method, tolerance])	Получение целочисленной позиции для запрошенной метки
`Index.get_value`(series, key)	Быстрый поиск значения из одномерного массива ndarray.
`Index.isin`(values[, level])	Вычисляет булеву массив, указывающий, найдено ли каждое значение индекса в переданном множестве значений.
`Index.slice_indexer`([start, end, step, kind])	Для упорядоченного индекса вычислите индексатор среза для входных меток и
`Index.slice_locs`([start, end, step, kind])	Вычисление позиций среза для входных меток.

CategoricalIndex

CategoricalIndex Неизменяемый индекс, реализующий упорядоченное, нарезное множество.

Компоненты категорий

`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 неиспользуемые категории.
`CategoricalIndex.set_categories`(\args, \\*kwargs)	Устанавливает категории в указанные new_categories.
`CategoricalIndex.as_ordered`(\args, \\*kwargs)	Устанавливает категорию как упорядоченную
`CategoricalIndex.as_unordered`(\args, \\*kwargs)	Устанавливает категорию как неупорядоченную

MultiIndex

MultiIndex Многоуровневый или иерархический объект индекса 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 формам, заданным n_repeat и n_shuffle.
`MultiIndex.is_lexsorted`()	Возвращает True, если метки отсортированы лексикографически
`MultiIndex.droplevel`([level])	Возвращает индекс со удаленным запрошенным уровнем.
`MultiIndex.swaplevel`([i, j])	Поменять местами 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 упакован в объекты Timestamp, которые являются подклассами datetime и содержат метаданные, такие как информация о частоте.

Компоненты времени/даты

`DatetimeIndex.year`	Год даты и времени
`DatetimeIndex.month`	Месяц, где 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 Python datetime.date (то есть, часть даты в Timestamp без информации о часовом поясе).
`DatetimeIndex.time`	Возвращает массив 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, где понедельник=0, воскресенье=6
`DatetimeIndex.weekday`	День недели, где 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, в противном случае 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.is_leap_year`	Логическое значение, указывающее, является ли год високосным
`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 на полночь.
`DatetimeIndex.strftime`(date_format)	Возвращает массив отформатированных строк, заданных форматом date_format, который поддерживает тот же формат строк, что и стандартная библиотека Python.
`DatetimeIndex.snap`([freq])	Привязка временных меток к ближайшей частоте.
`DatetimeIndex.tz_convert`(tz)	Преобразование DatetimeIndex с часовым поясом из одного часового пояса в другой (используя
`DatetimeIndex.tz_localize`(\args, \\*kwargs)	Локализация DatetimeIndex без часового пояса в заданном часовом поясе (используя
`DatetimeIndex.round`(freq, \args, \\*kwargs)	округление индекса до заданной частоты
`DatetimeIndex.floor`(freq)	округление индекса вниз до заданной частоты
`DatetimeIndex.ceil`(freq)	округление индекса вверх до заданной частоты

Преобразование

`DatetimeIndex.to_datetime`([dayfirst])
`DatetimeIndex.to_period`([freq])	Преобразование в 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 массив ndarray объектов datetime.datetime
`DatetimeIndex.to_series`([keep_tz])	Создать Series с индексом и значениями, равными ключам индекса

TimedeltaIndex

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

Составные части

`TimedeltaIndex.days`	Число дней для каждого элемента.
`TimedeltaIndex.seconds`	Число секунд (>= 0 и меньше 1 дня) для каждого элемента.
`TimedeltaIndex.microseconds`	Число микросекунд (>= 0 и меньше 1 секунды) для каждого элемента.
`TimedeltaIndex.nanoseconds`	Число 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 объектов ndarray типов datetime.timedelta
`TimedeltaIndex.to_series`(\\kwargs)	Создаёт Series с индексом и значениями, равными ключам индекса
`TimedeltaIndex.round`(freq, \args, \\*kwargs)	округление индекса до указанной частоты
`TimedeltaIndex.floor`(freq)	округление индекса вниз до указанной частоты
`TimedeltaIndex.ceil`(freq)	округление индекса 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`()	Подсчёт элементов, отличных от NaN, в скользящем окне
`Rolling.sum`(\args, \\*kwargs)	сумма в скользящем окне
`Rolling.mean`(\args, \\*kwargs)	среднее значение в скользящем окне
`Rolling.median`(\\kwargs)	медиана в скользящем окне
`Rolling.var`([ddof])	дисперсия в скользящем окне
`Rolling.std`([ddof])	стандартное отклонение в скользящем окне
`Rolling.min`(\args, \\*kwargs)	минимальное значение в скользящем окне
`Rolling.max`(\args, \\*kwargs)	максимальное значение в скользящем окне
`Rolling.corr`([other, pairwise])	выборочная корреляция в скользящем окне
`Rolling.cov`([other, pairwise, ddof])	выборочная ковариация в скользящем окне
`Rolling.skew`(\\kwargs)	несмещённая скользящая асимметрия
`Rolling.kurt`(\\kwargs)	несмещённый скользящий эксцесс
`Rolling.apply`(func[, args, kwargs])	применение функции к скользящему окну
`Rolling.quantile`(quantile, \\kwargs)	скользящий квантиль
`Window.mean`(\args, \\*kwargs)	среднее значение в окне
`Window.sum`(\args, \\*kwargs)	сумма в окне

Стандартные функции расширяющегося окна

`Expanding.count`(\\kwargs)	расширяющееся подсчёт количества значений, отличных от NaN
`Expanding.sum`(\args, \\*kwargs)	расширяющаяся сумма
`Expanding.mean`(\args, \\*kwargs)	расширяющееся среднее значение
`Expanding.median`(\\kwargs)	расширяющаяся медиана
`Expanding.var`([ddof])	расширяющаяся дисперсия
`Expanding.std`([ddof])	расширяющееся стандартное отклонение
`Expanding.min`(\args, \\*kwargs)	расширяющееся минимальное значение
`Expanding.max`(\args, \\*kwargs)	расширяющееся максимальное значение
`Expanding.corr`([other, pairwise])	расширяющаяся выборочная корреляция
`Expanding.cov`([other, pairwise, ddof])	расширяющаяся выборочная ковариация
`Expanding.skew`(\\kwargs)	Несмещённый расширяющийся коэффициент асимметрии
`Expanding.kurt`(\\kwargs)	Несмещённый расширяющийся эксцесс
`Expanding.apply`(func[, args, kwargs])	расширяющееся применение функции
`Expanding.quantile`(quantile, \\kwargs)	расширяющаяся квантиль

Экспоненциально взвешенные функции скользящего окна

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

Группировка

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 заданным 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 объединяет результаты вместе интеллектуальным способом.
`GroupBy.aggregate`(func, \args, \\*kwargs)
`GroupBy.transform`(func, \args, \\*kwargs)

Вычисления/описательные статистики

`GroupBy.count`()	Вычисление количества элементов в группе, исключая пропущенные значения
`GroupBy.cumcount`([ascending])	Присваивание номера каждому элементу в каждой группе от 0 до длины группы - 1.
`GroupBy.first`()	Вычисление первого значения в группе
`GroupBy.head`([n])	Возвращает первые n строк каждой группы.
`GroupBy.last`()	Вычисление последнего значения в группе
`GroupBy.max`()	Вычисление максимального значения в группе
`GroupBy.mean`(\args, \\*kwargs)	Вычисление среднего значения в группах, исключая пропущенные значения
`GroupBy.median`()	Вычисление медианы в группах, исключая пропущенные значения
`GroupBy.min`()	Вычисление минимального значения в группе
`GroupBy.nth`(n[, dropna])	Возвращает n-ю строку из каждой группы, если n – целое число, или подмножество строк, если n – список целых чисел.
`GroupBy.ohlc`()	Вычисление суммы значений, исключая пропущенные значения
`GroupBy.prod`()	Вычисление произведения значений в группе
`GroupBy.size`()	Вычисление размеров групп
`GroupBy.sem`([ddof])	Вычисление стандартной ошибки среднего значения в группах, исключая пропущенные значения
`GroupBy.std`([ddof])	Вычисление стандартного отклонения групп, исключая пропущенные значения
`GroupBy.sum`()	Вычисление суммы значений в группе
`GroupBy.var`([ddof])	Вычисление дисперсии групп, исключая пропущенные значения
`GroupBy.tail`([n])	Возвращает последние n строк каждой группы

Следующие методы доступны в обоих объектах SeriesGroupBy и DataFrameGroupBy, но могут незначительно отличаться, обычно в том, что версия DataFrameGroupBy обычно позволяет указать аргумент axis и часто аргумент, указывающий, следует ли ограничить применение к столбцам определённого типа данных.

`DataFrameGroupBy.agg`(arg, \args, \\*kwargs)	Агрегирование с использованием входной функции или словаря {столбец ->
`DataFrameGroupBy.all`([axis, bool_only, ...])	Возвращает значение True, если все элементы по указанной оси равны True
`DataFrameGroupBy.any`([axis, bool_only, ...])	Возвращает значение True, если хотя бы один элемент по указанной оси равен True
`DataFrameGroupBy.bfill`([limit])	Заполняет значения по принципу обратного заполнения
`DataFrameGroupBy.corr`([method, min_periods])	Вычисляет парную корреляцию столбцов, исключая значения NA/null
`DataFrameGroupBy.count`()	Вычисляет количество элементов в группе, исключая пропущенные значения
`DataFrameGroupBy.cov`([min_periods])	Вычисляет парную ковариацию столбцов, исключая значения NA/null
`DataFrameGroupBy.cummax`([axis, skipna])	Возвращает накопительный максимум по указанной оси.
`DataFrameGroupBy.cummin`([axis, skipna])	Возвращает накопительный минимум по указанной оси.
`DataFrameGroupBy.cumprod`([axis])	Накопительное произведение для каждой группы
`DataFrameGroupBy.cumsum`([axis])	Накопительная сумма для каждой группы
`DataFrameGroupBy.describe`([percentiles, ...])	Генерирует различные сводные статистические данные, исключая значения NaN.
`DataFrameGroupBy.diff`([periods, axis])	Первое дискретное различие объекта
`DataFrameGroupBy.ffill`([limit])	Заполняет значения по принципу прямого заполнения
`DataFrameGroupBy.fillna`([value, method, ...])	Заполняет пропущенные значения NA/NaN указанным методом
`DataFrameGroupBy.hist`(data[, column, by, ...])	Строит гистограмму серии DataFrame с использованием 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, ...])	Вычисляет числовые ранги данных (от 1 до n) по оси.
`DataFrameGroupBy.resample`(rule, \args, \\*kwargs)	Предоставляет ресемплирование при использовании TimeGrouper
`DataFrameGroupBy.shift`([periods, freq, axis])	Смещает каждую группу на periods наблюдений
`DataFrameGroupBy.size`()	Вычисляет размер каждой группы
`DataFrameGroupBy.skew`([axis, skipna, level, ...])	Возвращает несмещенное искажение по указанной оси
`DataFrameGroupBy.take`(indices[, axis, ...])	Аналогично ndarray.take
`DataFrameGroupBy.tshift`([periods, freq, axis])	Смещает временной индекс, используя частоту индекса, если она доступна.

Следующие методы доступны только для объектов SeriesGroupBy.

`SeriesGroupBy.nlargest`(\args, \\*kwargs)	Возвращает `n` наибольших элементов.
`SeriesGroupBy.nsmallest`(\args, \\*kwargs)	Возвращает `n` наименьших элементов.
`SeriesGroupBy.nunique`([dropna])	Возвращает количество уникальных элементов в группе
`SeriesGroupBy.unique`()	Возвращает массив NumPy уникальных значений в объекте.
`SeriesGroupBy.value_counts`([normalize, ...])

Следующие методы доступны только для объектов DataFrameGroupBy.

`DataFrameGroupBy.corrwith`(other[, axis, drop])	Вычисляет парную корреляцию между строками или столбцами двух объектов DataFrame.
`DataFrameGroupBy.boxplot`(grouped[, ...])	Создает диаграммы размаха из данных DataFrameGroupBy.

Ресемплирование

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

Индексирование, итерация

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

Применение функций

`Resampler.apply`(arg, \args, \\*kwargs)	Применение агрегирующей функции или функций к ресемплированным группам, возвращает
`Resampler.aggregate`(arg, \args, \\*kwargs)	Применение агрегирующей функции или функций к ресемплированным группам, возвращает
`Resampler.transform`(arg, \args, \\*kwargs)	Вызов функции, которая генерирует Series с аналогичным индексом для каждой группы и возвращает

Увеличение частоты выборки (Upsampling)

`Resampler.ffill`([limit])	Заполнение вперёд
`Resampler.backfill`([limit])	Заполнение назад
`Resampler.bfill`([limit])	Заполнение назад
`Resampler.pad`([limit])	Заполнение вперёд
`Resampler.fillna`(method[, limit])	Заполнение пропущенных значений
`Resampler.asfreq`()	возвращает значения с новой частотой,
`Resampler.interpolate`([method, axis, limit, ...])	Интерполяция значений различными методами.

Вычисления/Дескриптивные статистики

`Resampler.count`([_method])	Вычисление количества элементов 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 группах, исключая пропущенные значения
`Resampler.median`([_method])	Вычисление медианы в группах, 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 группах, исключая пропущенные значения
`Resampler.std`([ddof])	Вычисление стандартного отклонения в группах, исключая пропущенные значения
`Resampler.sum`([_method])	Вычисление суммы значений в группе
`Resampler.var`([ddof])	Вычисление дисперсии в группах, исключая пропущенные значения

Стиль

Styler объекты возвращаются методом 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])	Применить функцию по столбцам, строкам или всей таблице, обновляя HTML-представление результатом.
`Styler.applymap`(func[, subset])	Применить функцию к элементам, обновляя HTML-представление результатом.
`Styler.format`(formatter[, subset])	Форматировать значение отображаемого текста ячеек.
`Styler.set_precision`(precision)	Установить точность, используемую для рендеринга.
`Styler.set_table_styles`(table_styles)	Установить стили таблицы для Styler.
`Styler.set_caption`(caption)	Установить заголовок для Styler.
`Styler.set_properties`([subset])	Удобный метод для установки одного или нескольких свойств, не зависящих от данных, для каждой ячейки.
`Styler.set_uuid`(uuid)	Установить uuid для Styler.
`Styler.clear`()	«Сбросить» стилер, удалив ранее примененные стили.

Встроенные стили

`Styler.highlight_max`([subset, color, axis])	Выделить максимальное значение, затемняя фон.
`Styler.highlight_min`([subset, color, axis])	Выделить минимальное значение, затемняя фон.
`Styler.highlight_null`([null_color])	Затемнить фон `null_color` для пропущенных значений.
`Styler.background_gradient`([cmap, low, ...])	Окрасить фон градиентом в соответствии с данными в каждом столбце (при необходимости в каждой строке).
`Styler.bar`([subset, axis, color, width])	Окрасить фон `color` пропорционально значениям в каждом столбце.

Экспорт и импорт стилей

`Styler.render`()	Рендерить построенные стили в HTML.
`Styler.export`()	Экспортировать стили, примененные к текущему Styler.
`Styler.use`(styles)	Установить стили на текущем Styler, возможно, используя стили из `Styler.export`.

Общие служебные функции

Работа с параметрами

`describe_option`(pat[, _print_desc])	Выводит описание для одного или нескольких зарегистрированных параметров.
`reset_option`(pat)	Сбросить один или несколько параметров до их значения по умолчанию.
`get_option`(pat)	Извлекает значение указанного параметра.
`set_option`(pat, value)	Устанавливает значение указанного параметра.
`option_context`(\*args)	Управляющая структура контекста для временного изменения параметров в контексте оператора `with`.

© 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/0.19.2/api.html