Справочник API

Эта страница предоставляет обзор всех общедоступных объектов, функций и методов pandas. В целом, все классы и функции, экспортируемые в пространство имен верхнего уровня pandas.*, считаются общедоступными.

Кроме того, некоторые подпакеты являются общедоступными, включая pandas.errors, pandas.plotting, и pandas.testing. Некоторые функции в подмодулях pandas.io и pandas.tseries также являются общедоступными (те, что упомянуты в документации). Кроме того, подпакет pandas.api.types содержит некоторые общедоступные функции, связанные с типами данных в pandas.

Предупреждение

Модули верхнего уровня pandas.core, pandas.compat, и pandas.util считаются ПРИВАТНЫМИ. Стабильность функциональности в этих модулях не гарантируется.

Ввод/вывод

Запись в двоичный формат (Pickle)

read_pickle(path[, compression]) Загрузка объекта pandas в двоичном формате (или любого другого объекта) из указанного

Плоские файлы

`read_table`(filepath_or_buffer[, sep, ...])	Чтение общего файла с разделителями в DataFrame
`read_csv`(filepath_or_buffer[, sep, ...])	Чтение файла CSV (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([sep]) Чтение текста из буфера обмена и передача его в read_table.

Excel

`read_excel`(io[, sheet_name, header, ...])	Чтение таблицы Excel в DataFrame pandas
`ExcelFile.parse`([sheet_name, header, ...])	Парсинг 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
`build_table_schema`(data[, index, ...])	Создание схемы таблицы из `data`.

HTML

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

HDFStore: PyTables (HDF5)

`read_hdf`(path_or_buf[, key, mode])	чтение из хранилища, закрытие его, если оно было открыто
`HDFStore.put`(key, value[, format, append])	Хранение объекта в HDFStore
`HDFStore.append`(key, value[, format, ...])	Добавление к таблице 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
`HDFStore.info`()	вывод подробной информации о хранилище

Feather

read_feather(path[, nthreads]) Загрузка объекта в формате feather из файла по пути

Parquet

read_parquet(path[, engine, columns]) Загрузка объекта parquet из файла по пути, возвращая DataFrame.

SAS

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

SQL

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

Google BigQuery

read_gbq(query[, project_id, index_col, ...]) Загрузка данных из Google BigQuery.

STATA

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

`StataReader.data`(**kwargs)	Читает наблюдения из файла Stata, преобразуя 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
`pivot`(index, columns, values)	Создаёт сводную таблицу на основе 3 столбцов этого DataFrame.
`pivot_table`(data[, values, index, columns, ...])	Создаёт сводную таблицу в формате электронных таблиц как DataFrame.
`crosstab`(index, columns[, values, rownames, ...])	Вычисляет простую сводную таблицу для двух (или более) факторов.
`cut`(x, bins[, right, labels, retbins, ...])	Возвращает индексы полуоткрытых интервалов, к которым относится каждое значение `x`.
`qcut`(x, q[, labels, retbins, precision, ...])	Функция дискретизации на основе квантилей.
`merge`(left, right[, how, on, left_on, ...])	Объединяет объекты DataFrame, выполняя операцию соединения по столбцам или индексам в стиле баз данных.
`merge_ordered`(left, right[, on, left_on, ...])	Выполняет объединение с опциональным заполнением/интерполяцией, предназначенным для упорядоченных данных, таких как временные ряды.
`merge_asof`(left, right[, on, left_on, ...])	Выполняет объединение asof.
`concat`(objs[, axis, join, join_axes, ...])	Конкатенация объектов pandas вдоль определённой оси с опциональной логикой множеств вдоль других осей.
`get_dummies`(data[, prefix, prefix_sep, ...])	Преобразование категориальных переменных в фиктивные/индикаторные переменные
`factorize`(values[, sort, order, ...])	Кодирование входных значений как перечислимого типа или категориальной переменной
`unique`(values)	Уникальные значения на основе хеш-таблицы.
`wide_to_long`(df, stubnames, i, j[, sep, suffix])	Преобразование широкой панели в длинный формат.

Общие пропущенные данные

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

Общие преобразования

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

Общие операции с datetimelike

`to_datetime`(arg[, errors, dayfirst, ...])	Преобразование аргумента в datetime.
`to_timedelta`(arg[, unit, box, errors])	Преобразование аргумента в timedelta.
`date_range`([start, end, periods, freq, tz, ...])	Возвращает DatetimeIndex с фиксированной частотой, по умолчанию день (календарь).
`bdate_range`([start, end, periods, freq, tz, ...])	Возвращает DatetimeIndex с фиксированной частотой, по умолчанию рабочий день.
`period_range`([start, end, periods, freq, name])	Возвращает PeriodIndex с фиксированной частотой, по умолчанию день (календарь).
`timedelta_range`([start, end, periods, freq, ...])	Возвращает TimedeltaIndex с фиксированной частотой, по умолчанию день.
`infer_freq`(index[, warn])	Определение наиболее вероятной частоты для данного индекса.

Общие операции с интервалами

interval_range([start, end, periods, freq, ...]) Возвращает IntervalIndex с фиксированной частотой.

Общие вычисления

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

Тестирование

test([extra_args])

Серия

Конструктор

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

Атрибуты

Оси

индекс: метки осей

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

Преобразование

`Series.astype`(dtype[, copy, errors])	Преобразование pandas объекта к указанному типу `dtype`.
`Series.infer_objects`()	Попытка определить более подходящие типы данных для столбцов типа object.
`Series.copy`([deep])	Создать копию данных этого объекта.
`Series.isna`()	Возвращает объект той же размерности, содержащий булевы значения, указывающие, являются ли значения NA.
`Series.notna`()	Возвращает объект той же размерности, содержащий булевы значения, указывающие, не являются ли значения NA.

Индексирование, итерирование

`Series.get`(key[, default])	Получение элемента из объекта по заданному ключу (столбец DataFrame, срез Panel и т.д.).
`Series.at`	Быстрый скалярный аксессор на основе метки.
`Series.iat`	Быстрый скалярный аксессор на основе целочисленной позиции.
`Series.loc`	Индексатор, основанный исключительно на метках, для выбора по метке.
`Series.iloc`	Индексатор, основанный исключительно на целочисленной позиции, для выбора по позиции.
`Series.__iter__`()	Возвращает итератор значений.
`Series.iteritems`()	Ленивая итерация по кортежам (индекс, значение)

Для получения дополнительной информации о .at, .iat, .loc, и .iloc, обратитесь к документации по индексированию.

Бинарные операторные функции

`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 точкой рядов и других элементов попарно (бинарная операция `truediv`).
`Series.truediv`(other[, level, fill_value, axis])	Деление с плавающей точкой 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 точкой рядов и других элементов попарно (бинарная операция `rtruediv`).
`Series.rtruediv`(other[, level, fill_value, axis])	Деление с плавающей точкой 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 попарной бинарной операции над двумя Series с использованием заданной функции.
`Series.combine_first`(other)	Объединение значений Series, выбирая сначала значения вызываемого объекта Series.
`Series.round`([decimals])	Округление каждого значения в Series до заданного числа десятичных знаков.
`Series.lt`(other[, level, fill_value, axis])	Меньше, чем у ряда и другого, попарно (бинарная операция `lt`).
`Series.gt`(other[, level, fill_value, axis])	Больше, чем у ряда и другого, попарно (бинарная операция `gt`).
`Series.le`(other[, level, fill_value, axis])	Меньше или равно ряду и другому, попарно (бинарная операция `le`).
`Series.ge`(other[, level, fill_value, axis])	Больше или равно ряду и другому, попарно (бинарная операция `ge`).
`Series.ne`(other[, level, fill_value, axis])	Не равно ряду и другому, попарно (бинарная операция `ne`).
`Series.eq`(other[, level, fill_value, axis])	Равно ряду и другому, попарно (бинарная операция `eq`).

Применение функций, группировка и окна

`Series.apply`(func[, convert_dtype, args])	Вызвать функцию для значений Series.
`Series.aggregate`(func[, axis])	Агрегировать с помощью вызываемой функции, строки, словаря или списка строк/вызываемых функций
`Series.transform`(func, args, *kwargs)	Вызвать функцию, возвращающую NDFrame с такими же индексами
`Series.map`(arg[, na_action])	Сопоставить значения Series с помощью входного соответствия (которое может быть
`Series.groupby`([by, axis, level, as_index, ...])	Группировать серию, используя сопоставление (словарь или функция ключа, применение данной функции к группе, возврат результата в виде серии) или по серии столбцов.
`Series.rolling`(window[, min_periods, freq, ...])	Обеспечивает вычисления скользящего окна.
`Series.expanding`([min_periods, freq, ...])	Обеспечивает расширяющие преобразования.
`Series.ewm`([com, span, halflife, alpha, ...])	Обеспечивает экспоненциально взвешенные функции

Вычисления/Дескриптивные статистики

`Series.abs`()	Возвращает объект со значениями абсолютного значения — применима только к объектам, которые все числовые.
`Series.all`([axis, bool_only, skipna, level])	Возвращает True, если все элементы на указанной оси равны True.
`Series.any`([axis, bool_only, skipna, level])	Возвращает True, если любой элемент на указанной оси равен True.
`Series.autocorr`([lag])	Автокорреляция с лагом N
`Series.between`(left, right[, inclusive])	Возвращает булеву серию, эквивалентную left <= series <= right.
`Series.clip`([lower, upper, axis, inplace])	Обрезает значения по входному порогу(ам).
`Series.clip_lower`(threshold[, axis, inplace])	Возвращает копию входных данных со значениями, меньшими заданного значения(й), усечёнными.
`Series.clip_upper`(threshold[, axis, inplace])	Возвращает копию входных данных со значениями, большими заданного значения(й), усечёнными.
`Series.corr`(other[, method, min_periods])	Вычисление корреляции с серией, исключая пропущенные значения.
`Series.count`([level])	Возвращает количество наблюдений без пропусков/null в серии.
`Series.cov`(other[, min_periods])	Вычисление ковариации с серией, исключая пропущенные значения.
`Series.cummax`([axis, skipna])	Возвращает кумулятивный максимум по запрошенной оси.
`Series.cummin`([axis, skipna])	Возвращает кумуляльный минимум по запрошенной оси.
`Series.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по запрошенной оси.
`Series.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по запрошенной оси.
`Series.describe`([percentiles, include, exclude])	Генерирует описательные статистики, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая пропущенные значения.
`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 запрошенной оси, используя определение эксцесса Фишера (эксцесс нормального распределения == 0,0).
`Series.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений по запрошенной 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 по запрошенной оси.
`Series.median`([axis, skipna, level, ...])	Возвращает медиану значений по запрошенной оси.
`Series.min`([axis, skipna, level, numeric_only])	Этот метод возвращает минимальное значение в объекте.
`Series.mode`()	Возвращает моду(ы) набора данных.
`Series.nlargest`([n, keep])	Возвращает `n` наибольших элементов.
`Series.nsmallest`([n, keep])	Возвращает `n` наименьших элементов.
`Series.pct_change`([periods, fill_method, ...])	Процентное изменение за заданное количество периодов.
`Series.prod`([axis, skipna, level, ...])	Возвращает произведение значений по запрошенной оси.
`Series.quantile`([q, interpolation])	Возвращает значение в заданном квантиле, как в numpy.percentile.
`Series.rank`([axis, method, numeric_only, ...])	Вычисляет числовые ранги (от 1 до n) по оси.
`Series.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещённую стандартную ошибку среднего по запрошенной оси.
`Series.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённый коэффициент асимметрии по запрошенной оси.
`Series.std`([axis, skipna, level, ddof, ...])	Возвращает выборочное стандартное отклонение по запрошенной оси.
`Series.sum`([axis, skipna, level, ...])	Возвращает сумму значений по запрошенной оси.
`Series.var`([axis, skipna, level, ddof, ...])	Возвращает несмещённую дисперсию по запрошенной оси.
`Series.unique`()	Возвращает уникальные значения в объекте.
`Series.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Series.is_unique`	Возвращает булево значение, если значения в объекте уникальны.
`Series.is_monotonic`	Возвращает булево значение, если значения в объекте упорядочены.
`Series.is_monotonic_increasing`	Возвращает булево значение, если значения в объекте монотонно возрастают.
`Series.is_monotonic_decreasing`	Возвращает булево значение, если значения в объекте монотонно убывают.
`Series.value_counts`([normalize, sort, ...])	Возвращает объект, содержащий подсчёт уникальных значений.

Переиндексация / Выбор / Работа с метками

`Series.align`(other[, join, axis, level, ...])	Выравнивание двух объектов по их осям.
`Series.drop`([labels, axis, index, columns, ...])	Возвращает новый объект с удаленными метками на запрошенной оси.
`Series.drop_duplicates`([keep, inplace])	Возвращает Series с удаленными дублирующимися значениями.
`Series.duplicated`([keep])	Возвращает булеву Series, обозначающую дублирующиеся значения.
`Series.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`Series.first`(offset)	Удобный метод для подмножества начальных периодов временных рядов на основе временного смещения.
`Series.head`([n])	Возвращает первые n строк.
`Series.idxmax`([axis, skipna])	Индекс метки первого вхождения максимального значения.
`Series.idxmin`([axis, skipna])	Индекс метки первого вхождения минимального значения.
`Series.isin`(values)	Возвращает булеву `Series` показывающую, содержится ли каждый элемент в `Series` ровно в переданной последовательности `values`.
`Series.last`(offset)	Удобный метод для подмножества последних периодов временных рядов на основе временного смещения.
`Series.reindex`([index])	Приведение Series к новому индексу с опциональной логикой заполнения, размещая NA/NaN в позициях, не имеющих значения в предыдущем индексе.
`Series.reindex_like`(other[, method, copy, ...])	Возвращает объект с совпадающими индексами со мной.
`Series.rename`([index])	Изменение меток индекса Series или имени.
`Series.rename_axis`(mapper[, axis, copy, inplace])	Изменение имени индекса или столбцов.
`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, удовлетворяющим критериям.
`Series.set_axis`(labels[, axis, inplace])	Назначает желаемый индекс заданной оси.
`Series.take`(indices[, axis, convert, is_copy])	Возвращает элементы в заданных порядковых индексах вдоль оси.
`Series.tail`([n])	Возвращает последние n строк.
`Series.truncate`([before, after, axis, copy])	Усекает отсортированный DataFrame/Series до и/или после определенного значения индекса.
`Series.where`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, значения элементов которого взяты из self, когда `cond` истинно, в противном случае – из `other`.
`Series.mask`(cond[, other, inplace, axis, ...])	Возвращает объект той же формы, что и self, значения элементов которого взяты из self, когда `cond` ложно, в противном случае – из `other`.

Обработка пропущенных данных

`Series.dropna`([axis, inplace])	Возвращает Series без нулевых значений.
`Series.fillna`([value, method, axis, ...])	Заполнение значений NA/NaN заданным методом.
`Series.interpolate`([method, axis, limit, ...])	Интерполяция значений в соответствии с различными методами.

Перестройка, сортировка

`Series.argsort`([axis, kind, order])	Переопределяет ndarray.argsort.
`Series.reorder_levels`(order)	Переупорядочивание уровней индекса с использованием входного порядка.
`Series.sort_values`([axis, ascending, ...])	Сортировка по значениям вдоль любой оси.
`Series.sort_index`([axis, level, ascending, ...])	Сортировка объекта по меткам (вдоль оси).
`Series.swaplevel`([i, j, copy])	Обмен уровнями i и j в MultiIndex.
`Series.unstack`([level, fill_value])	Развертывание, т.е.
`Series.searchsorted`(value[, side, sorter])	Поиск индексов, куда необходимо вставить элементы для сохранения порядка.

Объединение / присоединение / 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, используя не-NA значения из переданной Series.

Связанное с временными рядами

`Series.asfreq`(freq[, method, how, ...])	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])	Смещение индекса на заданное количество периодов с опциональной временной частотой
`Series.first_valid_index`()	Возвращает индекс первого не-NA/null значения.
`Series.last_valid_index`()	Возвращает индекс последнего не-NA/null значения.
`Series.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`Series.tz_convert`(tz[, axis, level, copy])	Преобразование оси с часовым поясом в целевой часовой пояс.
`Series.tz_localize`(tz[, axis, level, copy, ...])	Локализация временного ряда без часового пояса в целевой часовой пояс.

Свойства типа datetimelike

Series.dt могут быть использованы для доступа к значениям ряда как к объектам типа datetimelike и возвращают несколько свойств. К ним можно получить доступ так: Series.dt.<property>.

Свойства даты и времени

`Series.dt.date`	Возвращает массив numpy объектов python datetime.date (именно 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 как 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`	Недельный порядковый номер года
`Series.dt.weekofyear`	Недельный порядковый номер года
`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 года
`Series.dt.quarter`	Квартал года
`Series.dt.is_month_start`	Логическое значение, указывающее, является ли это первый день месяца (определяется частотой)
`Series.dt.is_month_end`	Логическое значение, указывающее, является ли это последний день месяца (определяется частотой)
`Series.dt.is_quarter_start`	Логическое значение, указывающее, является ли это первый день квартала (определяется частотой)
`Series.dt.is_quarter_end`	Логическое значение, указывающее, является ли это последний день квартала (определяется частотой)
`Series.dt.is_year_start`	Логическое значение, указывающее, является ли это первый день года (определяется частотой)
`Series.dt.is_year_end`	Логическое значение, указывающее, является ли это последний день года (определяется частотой)
`Series.dt.is_leap_year`	Логическое значение, указывающее, является ли дата високосным годом
`Series.dt.daysinmonth`	Количество дней в месяце
`Series.dt.days_in_month`	Количество дней в месяце
`Series.dt.tz`
`Series.dt.freq`

Методы даты и времени

`Series.dt.to_period`(args, *kwargs)	Преобразование в PeriodIndex с определенной частотой
`Series.dt.to_pydatetime`()
`Series.dt.tz_localize`(args, *kwargs)	Локализация DatetimeIndex без часового пояса в заданном часовом поясе (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 со временем до полуночи.
`Series.dt.strftime`(args, *kwargs)	Возвращает массив отформатированных строк, заданных форматом даты, который поддерживает тот же формат строки, что и стандартная библиотека python.
`Series.dt.round`(args, *kwargs)	округлить индекс до указанной частоты
`Series.dt.floor`(args, *kwargs)	опустить индекс до указанной частоты
`Series.dt.ceil`(args, *kwargs)	округлить индекс до указанной частоты вверх

Свойства Timedelta

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

Методы Timedelta

`Series.dt.to_pytimedelta`()
`Series.dt.total_seconds`(args, *kwargs)	Полная продолжительность каждого элемента, выраженная 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 получить доступ как Series.str.<function/property>.

`Series.str.capitalize`()	Преобразовать строки в Series/Index к регистру с заглавной 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` , указывающую, содержит ли каждая строка в Series/Index заданный шаблон/регулярное выражение.
`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 наименьшие индексы в каждой строке Series/Index, где подстрока полностью содержится в интервале [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 Series/Index.
`Series.str.index`(sub[, start, end])	Возвращает наименьшие индексы в каждой строке, где подстрока полностью содержится в интервале [start:end].
`Series.str.join`(sep)	Объединить списки, содержащиеся как элементы в Series/Index, с заданным 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 к нижнему регистру.
`Series.str.lstrip`([to_strip])	Удалить пробелы (включая новые строки) из каждой строки в Series/Index слева.
`Series.str.match`(pat[, case, flags, na, ...])	Определить, соответствует ли каждая строка регулярному выражению.
`Series.str.normalize`(form)	Возвратить Unicode нормальную форму для строк в Series/Index.
`Series.str.pad`(width[, side, fillchar])	Заполнить строки в Series/Index дополнительным символом на указанную сторону.
`Series.str.partition`([pat, expand])	Разделить строку на первом вхождении `sep`, и вернуть 3 элемента, содержащие часть перед разделителем, 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 наибольшие индексы в каждой строке Series/Index, где подстрока полностью содержится в интервале [start:end].
`Series.str.rindex`(sub[, start, end])	Возвращает наибольшие индексы в каждой строке, где подстрока полностью содержится в интервале [start:end].
`Series.str.rjust`(width[, fillchar])	Заполнение левой стороны строк в Series/Index дополнительным символом.
`Series.str.rpartition`([pat, expand])	Разделить строку на последнем вхождении `sep`, и вернуть 3 элемента, содержащие часть перед разделителем, сам разделитель и часть после разделителя.
`Series.str.rstrip`([to_strip])	Удалить пробелы (включая новые строки) из каждой строки в Series/Index справа.
`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 (подобно re.split) в Series/Index по заданному шаблону, распространяя 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 слева и справа.
`Series.str.swapcase`()	Преобразовать строки в Series/Index к регистру со сменой регистра.
`Series.str.title`()	Преобразовать строки в Series/Index к заголовку.
`Series.str.translate`(table[, deletechars])	Применить отображение всех символов через указанную таблицу отображения.
`Series.str.upper`()	Преобразовать строки в Series/Index к верхнему регистру.

`Series.str.wrap`(width, **kwargs)	Обертывание длинных строк в Series/Index для форматирования в абзацы с длиной меньше заданной ширины.
`Series.str.zfill`(width)	Заполнение левой части строк в Series/Index нулями.
`Series.str.isalnum`()	Проверка, являются ли все символы в каждой строке Series/Index буквенно-цифровыми.
`Series.str.isalpha`()	Проверка, являются ли все символы в каждой строке Series/Index буквенными.
`Series.str.isdigit`()	Проверка, являются ли все символы в каждой строке Series/Index цифрами.
`Series.str.isspace`()	Проверка, являются ли все символы в каждой строке Series/Index пробелами.
`Series.str.islower`()	Проверка, являются ли все символы в каждой строке Series/Index строчными.
`Series.str.isupper`()	Проверка, являются ли все символы в каждой строке Series/Index заглавными.
`Series.str.istitle`()	Проверка, являются ли все символы в каждой строке Series/Index заглавными (титульный регистр).
`Series.str.isnumeric`()	Проверка, являются ли все символы в каждой строке Series/Index числовыми.
`Series.str.isdecimal`()	Проверка, являются ли все символы в каждой строке Series/Index десятичными.
`Series.str.get_dummies`([sep])	Разделение каждой строки в Series по разделителю sep и возвращение фрейма с фиктивными/индикаторными переменными.

Категориальные данные

Тип данных Categorical может быть описан с помощью pandas.api.types.CategoricalDtype.

api.types.CategoricalDtype([categories, ordered]) Тип для категориальных данных с категориями и упорядоченностью

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

`Series.cat.categories`	Категории этого категориального объекта.
`Series.cat.ordered`	Упорядоченность категорий.
`Series.cat.codes`

`Series.cat.rename_categories`(args, *kwargs)	Переименование категорий.
`Series.cat.reorder_categories`(args, *kwargs)	Переупорядочивает категории, 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 new_categories.
`Series.cat.as_ordered`(args, *kwargs)	Устанавливает категориальный объект как упорядоченный.
`Series.cat.as_unordered`(args, *kwargs)	Устанавливает категориальный объект 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 объекта 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 о категориях и порядке не сохраняется!

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

Графики

Series.plot является одновременно вызываемым методом и именным атрибутом для конкретных методов построения графиков вида Series.plot.<kind>.

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

`Series.plot.area`(**kwds)	График областей
`Series.plot.bar`(**kwds)	Вертикальная гистограмма
`Series.plot.barh`(**kwds)	Горизонтальная гистограмма
`Series.plot.box`(**kwds)	Диаграмма размаха
`Series.plot.density`(**kwds)	График оценки плотности ядра
`Series.plot.hist`([bins])	Гистограмма
`Series.plot.kde`(**kwds)	График оценки плотности ядра
`Series.plot.line`(**kwds)	График линии
`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 файла CSV (УСТАРЕЛО, используйте `pandas.read_csv()` вместо этого).
`Series.to_pickle`(path[, compression, protocol])	Запись объекта в файл с помощью протокола pickle (сериализация).
`Series.to_csv`([path, index, sep, na_rep, ...])	Запись Series в файл формата CSV (с разделителем запятая).
`Series.to_dict`([into])	Преобразование Series в словарь {метка -> значение} или подобный объекту словарь.
`Series.to_excel`(excel_writer[, sheet_name, ...])	Запись Series в лист электронной таблицы Excel.
`Series.to_frame`([name])	Преобразование Series в DataFrame.
`Series.to_xarray`()	Возвращение объекта xarray из объекта pandas.
`Series.to_hdf`(path_or_buf, key, **kwargs)	Запись содержащихся данных в файл HDF5 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 в файл с использованием формата msgpack (сериализация).
`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 плотного представления NDFrame (в противоположность разреженному).
`Series.to_string`([buf, na_rep, ...])	Вывод строки представления Series.
`Series.to_clipboard`([excel, sep])	Попытка записи текстового представления объекта в буфер обмена системы. Это можно вставить, например, в Excel.
`Series.to_latex`([buf, columns, col_space, ...])	Вывод объекта в таблицу в формате LaTeX.

Разреженные

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

DataFrame

Конструктор

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

Атрибуты и базовые данные

Оси

index: метки строк
columns: метки столбцов

`DataFrame.as_matrix`([columns])	Преобразование фрейма в его представление в виде массива NumPy.
`DataFrame.dtypes`	Возвращает типы данных в этом объекте.
`DataFrame.ftypes`	Возвращает ftypes (указание на разреженность/плотность и тип данных) в этом объекте.
`DataFrame.get_dtype_counts`()	Возвращает количество типов данных в этом объекте.
`DataFrame.get_ftype_counts`()	Возвращает количество ftypes в этом объекте.
`DataFrame.select_dtypes`([include, exclude])	Возвращает подмножество DataFrame, включающее/исключающее столбцы на основе их `dtype`.
`DataFrame.values`	Представление NDFrame в виде массива NumPy.
`DataFrame.axes`	Возвращает список с метками оси строк и метками оси столбцов в качестве единственных элементов.
`DataFrame.ndim`	Количество осей / размерностей массива.
`DataFrame.size`	Количество элементов в NDFrame.
`DataFrame.shape`	Возвращает кортеж, представляющий размерность DataFrame.
`DataFrame.memory_usage`([index, deep])	Использование памяти столбцами DataFrame.

Преобразование

`DataFrame.astype`(dtype[, copy, errors])	Преобразование pandas объекта к указанному типу `dtype`.
`DataFrame.convert_objects`([convert_dates, ...])	Устарело.
`DataFrame.infer_objects`()	Попытка определить более подходящие типы данных для столбцов типа object.
`DataFrame.copy`([deep])	Создаёт копию данных этого объекта.
`DataFrame.isna`()	Возвращает объект той же размерности, что и исходный, содержащий логическое значение TRUE, если значение является NA.
`DataFrame.notna`()	Возвращает объект той же размерности, что и исходный, содержащий логическое значение TRUE, если значение не является NA.

Индексирование, итерация

`DataFrame.head`([n])	Возвращает первые n строк.
`DataFrame.at`	Быстрый скалярный аксессор на основе меток.
`DataFrame.iat`	Быстрый скалярный аксессор на основе целочисленного индекса.
`DataFrame.loc`	Индексатор, основанный только на метках для выбора по метке.
`DataFrame.iloc`	Индексатор, основанный только на целочисленном индексе для выбора по позиции.
`DataFrame.insert`(loc, column, value[, ...])	Вставка столбца в DataFrame в указанной позиции.
`DataFrame.__iter__`()	Итерация по индексу.
`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 именованных кортежей, с значением индекса как первым элементом кортежа.
`DataFrame.lookup`(row_labels, col_labels)	Функция «сложного индексирования» 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 поперечный срез (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 такой же формы, как self, и соответствующие записи из self, где `cond` истинно, в противном случае из `other`.
`DataFrame.mask`(cond[, other, inplace, axis, ...])	Возвращает объект такой же формы, как self, и соответствующие записи из self, где `cond` ложно, в противном случае из `other`.
`DataFrame.query`(expr[, inplace])	Запрос к столбцам фрейма с булевым выражением.

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

Бинарные операторные функции

`DataFrame.add`(other[, axis, level, fill_value])	Сложение DataFrame и other по элементам (бинарная операция `add`).
`DataFrame.sub`(other[, axis, level, fill_value])	Вычитание DataFrame и other по элементам (бинарная операция `sub`).
`DataFrame.mul`(other[, axis, level, fill_value])	Умножение DataFrame и other по элементам (бинарная операция `mul`).
`DataFrame.div`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other по элементам (бинарная операция `truediv`).
`DataFrame.truediv`(other[, axis, level, ...])	Деление с плавающей точкой DataFrame и other по элементам (бинарная операция `truediv`).
`DataFrame.floordiv`(other[, axis, level, ...])	Целочисленное деление DataFrame и other по элементам (бинарная операция `floordiv`).
`DataFrame.mod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other по элементам (бинарная операция `mod`).
`DataFrame.pow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other по элементам (бинарная операция `pow`).
`DataFrame.radd`(other[, axis, level, fill_value])	Сложение DataFrame и other по элементам (бинарная операция `radd`).
`DataFrame.rsub`(other[, axis, level, fill_value])	Вычитание DataFrame и other по элементам (бинарная операция `rsub`).
`DataFrame.rmul`(other[, axis, level, fill_value])	Умножение DataFrame и other по элементам (бинарная операция `rmul`).
`DataFrame.rdiv`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other по элементам (бинарная операция `rtruediv`).
`DataFrame.rtruediv`(other[, axis, level, ...])	Деление с плавающей точкой DataFrame и other по элементам (бинарная операция `rtruediv`).
`DataFrame.rfloordiv`(other[, axis, level, ...])	Целочисленное деление DataFrame и other по элементам (бинарная операция `rfloordiv`).
`DataFrame.rmod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other по элементам (бинарная операция `rmod`).
`DataFrame.rpow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other по элементам (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 непродолжение распространения значений NaN, поэтому если для
`DataFrame.combine_first`(other)	Объединение двух объектов DataFrame и по умолчанию использование значений, отличных от NULL, в вызываемой рамке.

Применение функций, GroupBy & Окно

`DataFrame.apply`(func[, axis, broadcast, ...])	Применяет функцию вдоль оси входного DataFrame.
`DataFrame.applymap`(func)	Применить функцию к DataFrame, которая предназначена для работы по элементам, т.е.
`DataFrame.aggregate`(func[, axis])	Агрегировать с помощью вызываемого объекта, строки, словаря или списка строк/вызываемых объектов
`DataFrame.transform`(func, args, *kwargs)	Вызов функции, генерирующей NDFrame с аналогичными индексами
`DataFrame.groupby`([by, axis, level, ...])	Группировка серии с помощью отображения (словарь или функция ключа, применение заданной функции к группе, возврат результата в виде серии) или по ряду столбцов.
`DataFrame.rolling`(window[, min_periods, ...])	Обеспечивает вычисления скользящего окна.
`DataFrame.expanding`([min_periods, freq, ...])	Обеспечивает расширяющие преобразования.
`DataFrame.ewm`([com, span, halflife, alpha, ...])	Предоставляет экспоненциально взвешенные функции

Вычисления / Описательные статистики

`DataFrame.abs`()	Возвращает объект с абсолютным значением – применима только к объектам, которые все являются числовыми.
`DataFrame.all`([axis, bool_only, skipna, level])	Возвращает значение True, если все элементы по указанной оси равны True
`DataFrame.any`([axis, bool_only, skipna, level])	Возвращает значение True, если хотя бы один элемент по указанной оси равен True
`DataFrame.clip`([lower, upper, axis, inplace])	Обрезает значения по заданным пороговым значениям.
`DataFrame.clip_lower`(threshold[, axis, inplace])	Возвращает копию входных данных со значениями, меньшими заданного значения(й), обрезанными.
`DataFrame.clip_upper`(threshold[, axis, inplace])	Возвращает копию входных данных со значениями, большими заданного значения(й), обрезанными.
`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 указанной оси.
`DataFrame.cummin`([axis, skipna])	Возвращает кумуляльный минимум по указанной оси.
`DataFrame.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по указанной оси.
`DataFrame.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по указанной оси.
`DataFrame.describe`([percentiles, include, ...])	Генерирует описательные статистики, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая `NaN` значения.
`DataFrame.diff`([periods, axis])	Первая дискретная разность объекта
`DataFrame.eval`(expr[, inplace])	Вычисляет выражение в контексте вызывающего объекта DataFrame.
`DataFrame.kurt`([axis, skipna, level, ...])	Возвращает несмещенную эксцесс по указанной оси, используя определение эксцесса Фишера (эксцесс нормального распределения == 0.0).
`DataFrame.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений по указанной оси.
`DataFrame.max`([axis, skipna, level, ...])	Этот метод возвращает максимальное значение в объекте.
`DataFrame.mean`([axis, skipna, level, ...])	Возвращает среднее значение значений по указанной оси.
`DataFrame.median`([axis, skipna, level, ...])	Возвращает медианное значение значений по указанной оси.
`DataFrame.min`([axis, skipna, level, ...])	Этот метод возвращает минимальное значение в объекте.
`DataFrame.mode`([axis, numeric_only])	Получает моду(ы) каждого элемента вдоль выбранной оси.
`DataFrame.pct_change`([periods, fill_method, ...])	Процентное изменение за заданное количество периодов.
`DataFrame.prod`([axis, skipna, level, ...])	Возвращает произведение значений по указанной оси.
`DataFrame.quantile`([q, axis, numeric_only, ...])	Возвращает значения в заданном квантиле по указанной оси, аналогично numpy.percentile.
`DataFrame.rank`([axis, method, numeric_only, ...])	Вычисляет числовые ранги (от 1 до n) вдоль оси.
`DataFrame.round`([decimals])	Округляет DataFrame до заданного числа десятичных знаков.
`DataFrame.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещенную стандартную ошибку среднего по указанной оси.
`DataFrame.skew`([axis, skipna, level, ...])	Возвращает несмещенное отклонение по указанной оси.
`DataFrame.sum`([axis, skipna, level, ...])	Возвращает сумму значений по указанной оси.
`DataFrame.std`([axis, skipna, level, ddof, ...])	Возвращает выборочное стандартное отклонение по указанной оси.
`DataFrame.var`([axis, skipna, level, ddof, ...])	Возвращает несмещенную дисперсию по указанной оси.

Переиндексация / выбор / манипуляции с метками

`DataFrame.add_prefix`(prefix)	Объединить строку префикса с именами элементов панели.
`DataFrame.add_suffix`(suffix)	Объединить строку суффикса с именами элементов панели.
`DataFrame.align`(other[, join, axis, level, ...])	Выравнивание двух объектов по их осям с помощью
`DataFrame.drop`([labels, axis, index, ...])	Возвращает новый объект с удаленными метками на запрошенной оси.
`DataFrame.drop_duplicates`([subset, keep, ...])	Возвращает DataFrame с удаленными дублирующими строками, необязательно только
`DataFrame.duplicated`([subset, keep])	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 временного сдвига.
`DataFrame.head`([n])	Возвращает первые n строк.
`DataFrame.idxmax`([axis, skipna])	Возвращает индекс первого вхождения максимального значения по запрошенной оси.
`DataFrame.idxmin`([axis, skipna])	Возвращает индекс первого вхождения минимального значения по запрошенной оси.
`DataFrame.last`(offset)	Удобный метод для выделения конечных периодов временных рядов данных на основе временного сдвига.
`DataFrame.reindex`([labels, index, columns, ...])	Приведение DataFrame к новому индексу с необязательной логикой заполнения, помещая NA/NaN в места, не имеющие значения в предыдущем индексе.
`DataFrame.reindex_axis`(labels[, axis, ...])	Приведение входного объекта к новому индексу с необязательной логикой заполнения, помещая NA/NaN в места, не имеющие значения в предыдущем индексе.
`DataFrame.reindex_like`(other[, method, ...])	Возвращает объект с совпадающими индексами со мной.
`DataFrame.rename`([mapper, index, columns, ...])	Изменение меток осей.
`DataFrame.rename_axis`(mapper[, axis, copy, ...])	Изменение имени индекса или столбцов.
`DataFrame.reset_index`([level, drop, ...])	Для DataFrame с многоуровневым индексом возвращает новый DataFrame с информацией об именовании в столбцах под именами индекса, по умолчанию ‘level_0’, ‘level_1’ и т.д.
`DataFrame.sample`([n, frac, replace, ...])	Возвращает случайную выборку элементов из оси объекта.
`DataFrame.select`(crit[, axis])	Возвращает данные, соответствующие меткам оси, 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])	Возвращает элементы по заданным позиционным индексам вдоль оси.
`DataFrame.truncate`([before, after, axis, copy])	Усекает отсортированный DataFrame/Series до и/или после определенной метки индекса.

Обработка пропущенных данных

`DataFrame.dropna`([axis, how, thresh, ...])	Возвращает объект с удаленными метками на заданной оси, где поочередно 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’.

Преобразование формы, сортировка, транспонирование

`DataFrame.pivot`([index, columns, values])	Переформатирование данных (создание сводной таблицы) на основе значений столбцов.
`DataFrame.reorder_levels`(order[, axis])	Переупорядочивание уровней индекса с использованием входного порядка.
`DataFrame.sort_values`(by[, axis, ascending, ...])	Сортировка по значениям вдоль оси.
`DataFrame.sort_index`([axis, level, ...])	Сортировка объекта по меткам (по оси).
`DataFrame.nlargest`(n, columns[, keep])	Получение строк DataFrame, отсортированных по `n` наибольшим значениям столбцов `columns`.
`DataFrame.nsmallest`(n, columns[, keep])	Получение строк DataFrame, отсортированных по `n` наименьшим значениям столбцов `columns`.
`DataFrame.swaplevel`([i, j, axis])	Меняет местами уровни i и j в MultiIndex на определенной оси.
`DataFrame.stack`([level, dropna])	Поворот уровня (возможно, иерархических) меток столбцов, возвращая DataFrame (или Series в случае объекта с одним уровнем меток столбцов), имеющий иерархический индекс с новым внутренним уровнем меток строк.
`DataFrame.unstack`([level, fill_value])	Поворот уровня (обязательно иерархических) меток индекса, возвращая DataFrame с новым уровнем меток столбцов, внутренний уровень которого состоит из повернутых меток индекса.
`DataFrame.melt`([id_vars, value_vars, ...])	«Разворачивает» DataFrame из широкого формата в длинный, необязательно.
`DataFrame.T`	Транспонирование индекса и столбцов
`DataFrame.to_panel`()	Преобразование длинного (складывающегося) формата (DataFrame) в широкий (3D, Panel) формат.
`DataFrame.to_xarray`()	Возвращает объект xarray из объекта pandas.
`DataFrame.transpose`(args, *kwargs)	Транспонирование индекса и столбцов

Комбинирование/соединение/слияние

`DataFrame.append`(other[, ignore_index, ...])	Добавление строк `other` в конец этой таблицы, возвращая новый объект.
`DataFrame.assign`(**kwargs)	Присваивает новые столбцы DataFrame, возвращая новый объект (копию) со всеми исходными столбцами плюс новые.
`DataFrame.join`(other[, on, how, lsuffix, ...])	Объединяет столбцы с другим DataFrame либо по индексу, либо по столбцу-ключа.
`DataFrame.merge`(right[, how, on, left_on, ...])	Объединение объектов DataFrame с помощью операции соединения по столбцам или индексам в стиле баз данных.
`DataFrame.update`(other[, join, overwrite, ...])	Изменяет DataFrame на месте, используя значения, не равные NaN, из переданного DataFrame.

Операции с временными рядами

`DataFrame.asfreq`(freq[, method, how, ...])	Преобразование временного ряда в указанную частоту.
`DataFrame.asof`(where[, subset])	Берется последняя строка без NaN (или последняя строка без
`DataFrame.shift`([periods, freq, axis])	Смещение индекса на нужное количество периодов с опциональной частотой времени.
`DataFrame.first_valid_index`()	Возвращает индекс первой строки без NaN/null.
`DataFrame.last_valid_index`()	Возвращает индекс последней строки без NaN/null.
`DataFrame.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`DataFrame.to_period`([freq, axis, copy])	Преобразование 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])	Преобразование временной зоны tz-осознаваемой оси в целевую временную зону.
`DataFrame.tz_localize`(tz[, axis, level, ...])	Локализация tz-неявного временного ряда в целевую временную зону.

Визуализация

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

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

`DataFrame.plot.area`([x, y])	График областей
`DataFrame.plot.bar`([x, y])	Вертикальная гистограмма
`DataFrame.plot.barh`([x, y])	Горизонтальная гистограмма
`DataFrame.plot.box`([by])	Диаграмма размаха
`DataFrame.plot.density`(**kwds)	График оценки плотности ядра
`DataFrame.plot.hexbin`(x, y[, C, ...])	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 по столбцу DataFrame, необязательно с группировкой по другим столбцам или
`DataFrame.hist`(data[, column, by, grid, ...])	Построить гистограмму ряда DataFrame с использованием matplotlib / pylab.

Сериализация/Ввод/Вывод/Преобразование

`DataFrame.from_csv`(path[, header, sep, ...])	Чтение CSV-файла (УСТАРЕЛО, пожалуйста, 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 обзор DataFrame.
`DataFrame.to_pickle`(path[, compression, ...])	Сериализация объекта в файл с помощью pickle.
`DataFrame.to_csv`([path_or_buf, sep, na_rep, ...])	Запись DataFrame в файл CSV (значения, разделенные запятыми).
`DataFrame.to_hdf`(path_or_buf, key, **kwargs)	Запись содержащихся данных в файл HDF5 с помощью HDFStore.
`DataFrame.to_sql`(name, con[, flavor, ...])	Запись записей, хранящихся в DataFrame, в базу данных SQL.
`DataFrame.to_dict`([orient, into])	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 в виде HTML-таблицы.
`DataFrame.to_feather`(fname)	Запись DataFrame в двоичный формат feather.
`DataFrame.to_latex`([buf, columns, ...])	Отображение объекта в таблицу в формате LaTeX.
`DataFrame.to_stata`(fname[, convert_dates, ...])	Класс для записи двоичных файлов Stata dta из массивоподобных объектов.
`DataFrame.to_msgpack`([path_or_buf, encoding])	Сериализация объекта в файл с использованием msgpack.
`DataFrame.to_gbq`(destination_table, project_id)	Запись DataFrame в таблицу Google BigQuery.
`DataFrame.to_records`([index, convert_datetime64])	Преобразование DataFrame в массив записей.
`DataFrame.to_sparse`([fill_value, kind])	Преобразование в SparseDataFrame.
`DataFrame.to_dense`()	Возвращает плотное представление NDFrame (в отличие от разреженного).
`DataFrame.to_string`([buf, columns, ...])	Отображение DataFrame в табличном формате, удобном для консоли.
`DataFrame.to_clipboard`([excel, sep])	Попытка записи текстового представления объекта в буфер обмена системы. Это можно вставить в Excel, например.

Разреженный

SparseDataFrame.to_coo() Возвращает содержимое фрейма в виде разреженной матрицы SciPy COO.

Панель API

Конструктор панели

Panel([data, items, major_axis, minor_axis, ...]) Представляет данные панели в широком формате, хранящиеся в трехмерном массиве.

Атрибуты и базовые данные

Оси

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`	Представление NDFrame в NumPy.
`Panel.axes`	Возвращает метки индекса(ов) внутреннего NDFrame.
`Panel.ndim`	Количество осей/размерностей массива.
`Panel.size`	Количество элементов в NDFrame.
`Panel.shape`	Возвращает кортеж размеров осей.
`Panel.dtypes`	Возвращает типы данных в этом объекте.
`Panel.ftypes`	Возвращает ftypes (указание на разреженный/плотный и тип 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, errors])	Преобразование pandas объекта в указанный тип `dtype`.
`Panel.copy`([deep])	Создает копию данных этого объекта.
`Panel.isna`()	Возвращает булевый объект того же размера, указывающий, являются ли значения NA.
`Panel.notna`()	Возвращает булевый объект того же размера, указывающий, являются ли значения не NA.

Получение и установка

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

Индексирование, итерация, срезы

`Panel.at`	Быстрый скалярный аксессор на основе меток
`Panel.iat`	Быстрый скалярный аксессор на основе целых чисел.
`Panel.loc`	Индексатор, основанный исключительно на метках для выбора по меткам.
`Panel.iloc`	Индексация, основанная исключительно на целых числах для выбора по позиции.
`Panel.__iter__`()	Итерация по оси infor
`Panel.iteritems`()	Итерация по (метке, значениям) по оси info
`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 об .at, .iat, .loc, и .iloc, см. документацию по индексации.

Бинарные операторные функции

`Panel.add`(other[, axis])	Сложение рядов и других элементов попарно (бинарный оператор `add`).
`Panel.sub`(other[, axis])	Вычитание рядов и других элементов попарно (бинарный оператор `sub`).
`Panel.mul`(other[, axis])	Умножение рядов и других элементов попарно (бинарный оператор `mul`).
`Panel.div`(other[, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарный оператор `truediv`).
`Panel.truediv`(other[, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарный оператор `truediv`).
`Panel.floordiv`(other[, axis])	Целочисленное деление рядов и других элементов попарно (бинарный оператор `floordiv`).
`Panel.mod`(other[, axis])	Остаток от деления рядов и других элементов попарно (бинарный оператор `mod`).
`Panel.pow`(other[, axis])	Возведение в степень рядов и других элементов попарно (бинарный оператор `pow`).
`Panel.radd`(other[, axis])	Сложение рядов и других элементов попарно (бинарный оператор `radd`).
`Panel.rsub`(other[, axis])	Вычитание рядов и других элементов попарно (бинарный оператор `rsub`).
`Panel.rmul`(other[, axis])	Умножение рядов и других элементов попарно (бинарный оператор `rmul`).
`Panel.rdiv`(other[, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарный оператор `rtruediv`).
`Panel.rtruediv`(other[, axis])	Деление с плавающей запятой рядов и других элементов попарно (бинарный оператор `rtruediv`).
`Panel.rfloordiv`(other[, axis])	Целочисленное деление рядов и других элементов попарно (бинарный оператор `rfloordiv`).
`Panel.rmod`(other[, axis])	Остаток от деления рядов и других элементов попарно (бинарный оператор `rmod`).
`Panel.rpow`(other[, axis])	Возведение в степень рядов и других элементов попарно (бинарный оператор `rpow`).
`Panel.lt`(other[, axis])	Обертка для метода сравнения lt
`Panel.gt`(other[, axis])	Обертка для метода сравнения gt
`Panel.le`(other[, axis])	Обертка для метода сравнения le
`Panel.ge`(other[, axis])	Обертка для метода сравнения ge
`Panel.ne`(other[, axis])	Обертка для метода сравнения ne
`Panel.eq`(other[, axis])	Обертка 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 — применима только к объектам, состоящим из чисел.
`Panel.clip`([lower, upper, axis, inplace])	Обрезает значения по заданному(ым) порогу(ам).
`Panel.clip_lower`(threshold[, axis, inplace])	Возвращает копию входных данных с усеченными значениями ниже заданного(ых) значения(й).
`Panel.clip_upper`(threshold[, axis, inplace])	Возвращает копию входных данных с усеченными значениями выше заданного(ых) значения(й).
`Panel.count`([axis])	Возвращает количество наблюдений по указанной оси.
`Panel.cummax`([axis, skipna])	Возвращает кумулятивный максимум по указанной оси.
`Panel.cummin`([axis, skipna])	Возвращает кумулятивный минимум по указанной оси.
`Panel.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по указанной оси.
`Panel.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по указанной оси.
`Panel.max`([axis, skipna, level, numeric_only])	Этот метод возвращает максимальное значение в объекте.
`Panel.mean`([axis, skipna, level, numeric_only])	Возвращает среднее значение по указанной оси.
`Panel.median`([axis, skipna, level, numeric_only])	Возвращает медиану 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, ...])	Возвращает произведение значений по указанной оси.
`Panel.sem`([axis, skipna, level, ddof, ...])	Возвращает несмещённую стандартную ошибку среднего по указанной оси.
`Panel.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённый коэффициент асимметрии по указанной оси.
`Panel.sum`([axis, skipna, level, ...])	Возвращает сумму значений по указанной оси.
`Panel.std`([axis, skipna, level, ddof, ...])	Возвращает выборочную стандартную девиацию по указанной оси.
`Panel.var`([axis, skipna, level, ddof, ...])	Возвращает несмещённую дисперсию по указанной оси.

Переиндексация / выбор / манипуляции с метками

`Panel.add_prefix`(prefix)	Добавляет префикс к именам элементов панели.
`Panel.add_suffix`(suffix)	Добавляет суффикс к именам элементов панели.
`Panel.drop`([labels, axis, index, columns, ...])	Возвращает новый объект без меток по 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`(args, *kwargs)	Приведение панели к новому индексу с логикой заполнения, присваивая NaN в отсутствующие в предыдущем индексе места.
`Panel.reindex_axis`(labels[, axis, method, ...])	Приведение входного объекта к новому индексу с логикой заполнения, присваивая NaN в отсутствующие в предыдущем индексе места.
`Panel.reindex_like`(other[, method, copy, ...])	Возвращает объект с соответствующими индексами ко мне.
`Panel.rename`([items, major_axis, minor_axis])	Изменение оси входной функции или функций.
`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])	Возвращает элементы по заданным позиционным индексам по оси.
`Panel.truncate`([before, after, axis, copy])	Усекает отсортированный DataFrame/Series до и/или после определённого значения индекса.

Обработка пропущенных данных

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

Перестройка, сортировка, транспонирование

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

Объединение / объединение / слияние

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

Связанные со временными рядами

`Panel.asfreq`(freq[, method, how, normalize, ...])	Преобразование временного ряда к заданной частоте.
`Panel.shift`([periods, freq, axis])	Смещение индекса на заданное количество периодов с необязательной частотой.
`Panel.resample`(rule[, how, axis, ...])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`Panel.tz_convert`(tz[, axis, level, copy])	Преобразование временной зоны осей, осознающих временную зону, в целевую временную зону.
`Panel.tz_localize`(tz[, axis, level, copy, ...])	Локализация временных рядов без временной зоны в целевой временной зоне.

Сериализация/Ввод/Вывод/Преобразование

`Panel.from_dict`(data[, intersect, orient, dtype])	Создание Panel из словаря объектов DataFrame.
`Panel.to_pickle`(path[, compression, protocol])	Сериализация объекта в файл с помощью pickle.
`Panel.to_excel`(path[, na_rep, engine])	Запись каждого DataFrame в Panel в отдельный лист Excel.
`Panel.to_hdf`(path_or_buf, key, **kwargs)	Запись содержащихся данных в файл HDF5 с помощью HDFStore.
`Panel.to_sparse`(args, *kwargs)	НЕ РЕАЛИЗОВАНО: не вызывать этот метод, так как сжатие не поддерживается для объектов Panel и вызовет ошибку.
`Panel.to_frame`([filter_observations])	Преобразование широкого формата в длинный (стекированный) формат как DataFrame, столбцы которого являются элементами Panel, а индекс — MultiIndex, образованный главными и второстепенными осями Panel.
`Panel.to_xarray`()	Возвращает объект xarray из объекта pandas.
`Panel.to_clipboard`([excel, sep])	Попытка записать текстовое представление объекта в буфер обмена системы. Это можно вставить в Excel, например.

Индекс

Многие из этих методов или их варианты доступны для объектов, содержащих индекс (Series/DataFrame), и их следует использовать, скорее всего, перед прямым вызовом этих методов.

Index Неизменяемый ndarray, реализующий упорядоченное, разрезаемое множество.

Атрибуты

`Index.values`	возвращает данные как ndarray
`Index.is_monotonic`	псевдоним для is_monotonic_increasing (устарело)
`Index.is_monotonic_increasing`	возвращает, если индекс монотонно возрастает (только равно или
`Index.is_monotonic_decreasing`	возвращает, если индекс монотонно убывает (только равно или
`Index.is_unique`
`Index.has_duplicates`
`Index.dtype`
`Index.inferred_type`
`Index.is_all_dates`
`Index.shape`	возвращает кортеж формы базовых данных
`Index.nbytes`	возвращает количество байтов в базовых данных
`Index.ndim`	возвращает количество измерений базовых данных,
`Index.size`	возвращает количество элементов в базовых данных
`Index.empty`
`Index.strides`	возвращает шаги базовых данных
`Index.itemsize`	возвращает размер типа данных элемента базовых данных
`Index.base`	возвращает базовый объект, если память базовых данных
`Index.T`	возвращает транспонирование, которое по определению равно self
`Index.memory_usage`([deep])	Использование памяти моих значений

Модификация 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 массив ndarray индексов минимального аргумента
`Index.argmax`([axis])	возвращает массив ndarray индексов максимального аргумента
`Index.copy`([name, deep, dtype])	Создаёт копию этого объекта.
`Index.delete`(loc)	Создаёт новый Index, удаляя указанные позиции(-и)
`Index.drop`(labels[, errors])	Создаёт новый Index, удаляя указанный список меток
`Index.drop_duplicates`([keep])	Возвращает Index с удалёнными дублирующими значениями
`Index.duplicated`([keep])	Возвращает булевый массив np.ndarray, обозначающий дублирующиеся значения
`Index.equals`(other)	Определяет, содержат ли два объекта Index те же элементы.
`Index.factorize`([sort, na_sentinel])	Кодирует объект как перечислимый тип или категориальную переменную
`Index.identical`(other)	Аналогично equals, но проверяет, что другие сопоставимые атрибуты также
`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 index со значениями target (перемещает/добавляет/удаляет значения по мере необходимости)
`Index.repeat`(repeats, args, *kwargs)	Повторяет элементы Index.
`Index.where`(cond[, other])	Новое в версии 0.19.0.
`Index.take`(indices[, axis, allow_fill, ...])	возвращает новый Index со значениями, выбранными по индексам
`Index.putmask`(mask, value)	возвращает новый Index со значениями, установленным с маской
`Index.set_names`(names[, level, inplace])	Устанавливает новые имена индекса.
`Index.unique`()	Возвращает уникальные значения в объекте.
`Index.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Index.value_counts`([normalize, sort, ...])	Возвращает объект, содержащий подсчёты уникальных значений.

Пропущенные значения

`Index.fillna`([value, downcast])	Заполняет значения NA/NaN указанным значением
`Index.dropna`([how])	Возвращает Index без значений NA/NaN
`Index.isna`()	Обнаружение пропущенных значений
`Index.notna`()	Обратное isna

Преобразование

`Index.astype`(dtype[, copy])	Создаёт Index со значениями, преобразованными к типам dtype.
`Index.tolist`()	Возвращает список значений.
`Index.to_datetime`([dayfirst])	УСТАРЕЛО: используйте `pandas.to_datetime()` вместо этого.
`Index.to_series`(**kwargs)	Создаёт Series с индексом и значениями, равными ключам индекса
`Index.to_frame`([index])	Создаёт DataFrame со столбцом, содержащим Index.

Сортировка

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

Операции со временем

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

Объединение/соединение/операции над множествами

`Index.append`(other)	Присоединяет коллекцию вариантов Index
`Index.join`(other[, how, level, ...])	это внутренний непубличный метод
`Index.intersection`(other)	Образует пересечение двух объектов Index.
`Index.union`(other)	Образует объединение двух объектов Index и сортирует, если возможно.
`Index.difference`(other)	Возвращает новый Index, содержащий элементы из индекса, которые не содержатся в `other`.
`Index.symmetric_difference`(other[, result_name])	Вычисляет симметрическую разность двух объектов Index.

Выбор

`Index.get_indexer`(target[, method, limit, ...])	Вычисление индексатора и маски для нового индекса, заданного текущим индексом.
`Index.get_indexer_non_unique`(target)	Вычисление индексатора и маски для нового индекса, заданного текущим индексом.
`Index.get_level_values`(level)	Возвращает индекс значений для запрошенного уровня, равный длине индекса.
`Index.get_loc`(key[, method, tolerance])	Получение целочисленного расположения, среза или булевой маски для запрошенного метки.
`Index.get_value`(series, key)	Быстрый поиск значения из одномерного массива ndarray.
`Index.isin`(values[, level])	Вычисление булевого массива, указывающего, найдено ли каждое значение индекса в переданном наборе значений.
`Index.slice_indexer`([start, end, step, kind])	Для упорядоченного индекса вычисляется индексатор среза для входных меток и
`Index.slice_locs`([start, end, step, kind])	Вычисление местоположений срезов для входных меток.

Числовой индекс

`RangeIndex`	Неизменяемый индекс, реализующий монотонный целочисленный диапазон.
`Int64Index`	Неизменяемый ndarray, реализующий упорядоченный, разрезаемый набор.
`UInt64Index`	Неизменяемый ndarray, реализующий упорядоченный, разрезаемый набор.
`Float64Index`	Неизменяемый ndarray, реализующий упорядоченный, разрезаемый набор.

Категориальный индекс

CategoricalIndex Неизменяемый индекс, реализующий упорядоченный, разрезаемый набор.

Компоненты категорий

`CategoricalIndex.codes`
`CategoricalIndex.categories`
`CategoricalIndex.ordered`
`CategoricalIndex.rename_categories`(*args, ...)	Переименование категорий.
`CategoricalIndex.reorder_categories`(*args, ...)	Переупорядочивает категории, как указано в new_categories.
`CategoricalIndex.add_categories`(args, *kwargs)	Добавление новых категорий.
`CategoricalIndex.remove_categories`(*args, ...)	Удаление указанных категорий.
`CategoricalIndex.remove_unused_categories`(...)	Удаляет категории, которые не используются.
`CategoricalIndex.set_categories`(args, *kwargs)	Устанавливает категории до указанных new_categories.
`CategoricalIndex.as_ordered`(args, *kwargs)	Устанавливает категориальный индекс как упорядоченный.
`CategoricalIndex.as_unordered`(args, *kwargs)	Устанавливает категориальный индекс как неупорядоченный.

Интервальный индекс

IntervalIndex Неизменяемый индекс, реализующий упорядоченный, разрезаемый набор.

Компоненты интервального индекса

`IntervalIndex.from_arrays`(left, right[, ...])	Создает интервальный индекс из массивов слева и справа.
`IntervalIndex.from_tuples`(data[, closed, ...])	Создает интервальный индекс из списка/массива кортежей.
`IntervalIndex.from_breaks`(breaks[, closed, ...])	Создает интервальный индекс из массива разбиений.
`IntervalIndex.from_intervals`(data[, name, copy])	Создает интервальный индекс из одномерного массива объектов Interval.

Многоуровневый индекс

`MultiIndex`	Многоуровневый, или иерархический, объект индекса для объектов pandas.
`IndexSlice`	Создает объект для более удобного выполнения операций слайсинга многоуровневого индекса.

Компоненты многоуровневого индекса

`MultiIndex.from_arrays`(arrays[, sortorder, ...])	Преобразование массивов в Многоуровневый индекс
`MultiIndex.from_tuples`(tuples[, sortorder, ...])	Преобразование списка кортежей в Многоуровневый индекс
`MultiIndex.from_product`(iterables[, ...])	Создание Многоуровневого индекса из декартова произведения нескольких итерируемых объектов
`MultiIndex.set_levels`(levels[, level, ...])	Установка новых уровней в Многоуровневом индексе.
`MultiIndex.set_labels`(labels[, level, ...])	Установка новых меток в Многоуровневом индексе.
`MultiIndex.to_hierarchical`(n_repeat[, n_shuffle])	Возвращает Многоуровневый индекс, перестроенный для соответствия формам, заданным n_repeat и n_shuffle.
`MultiIndex.to_frame`([index])	Создание DataFrame с уровнями Многоуровневого индекса в качестве столбцов.
`MultiIndex.is_lexsorted`()	Возвращает True, если метки расположены в лексикографическом порядке
`MultiIndex.droplevel`([level])	Возвращает индекс с удалённым запрошенным уровнем.
`MultiIndex.swaplevel`([i, j])	Меняет местами уровень i и уровень j.
`MultiIndex.reorder_levels`(order)	Переупорядочивает уровни с использованием входного порядка.
`MultiIndex.remove_unused_levels`()	создать новый Многоуровневый индекс из текущего, удаляя

DatetimeIndex

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

Компоненты времени/даты

`DatetimeIndex.year`	Год даты и времени
`DatetimeIndex.month`	Месяц, где Январь=1, Декабрь=12
`DatetimeIndex.day`	Дни 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 (именно, часть даты Timestamp без информации о часовом поясе).
`DatetimeIndex.time`	Возвращает массив numpy объектов datetime.time.
`DatetimeIndex.dayofyear`	Порядковый день года
`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 даты
`DatetimeIndex.tz`
`DatetimeIndex.freq`	получить/установить частоту Индекса
`DatetimeIndex.freqstr`	Возвращает объект частоты в виде строки, если он задан, иначе None
`DatetimeIndex.is_month_start`	Логическое значение, указывающее, является ли день первым днём месяца (определяется частотой)
`DatetimeIndex.is_month_end`	Логическое значение, указывающее, является ли день последним днём месяца (определяется частотой)
`DatetimeIndex.is_quarter_start`	Логическое значение, указывающее, является ли день первым днём квартала (определяется частотой)
`DatetimeIndex.is_quarter_end`	Логическое значение, указывающее, является ли день последним днём квартала (определяется частотой)
`DatetimeIndex.is_year_start`	Логическое значение, указывающее, является ли день первым днём года (определяется частотой)
`DatetimeIndex.is_year_end`	Логическое значение, указывающее, является ли день последним днём года (определяется частотой)
`DatetimeIndex.is_leap_year`	Логическое значение, указывающее, принадлежит ли дата високосному году
`DatetimeIndex.inferred_freq`

Выбор

`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 со временем до полуночи.
`DatetimeIndex.strftime`(date_format)	Возвращает массив отформатированных строк, заданных в date_format, который поддерживает тот же формат строки, что и стандартная библиотека python.
`DatetimeIndex.snap`([freq])	Привязывает отметки времени к ближайшей частоте.
`DatetimeIndex.tz_convert`(tz)	Преобразует tz-осознаемый DatetimeIndex из одной часовой зоны в другую (используя
`DatetimeIndex.tz_localize`(tz[, ambiguous, ...])	Локализует tz-неявный DatetimeIndex в заданную часовую зону (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 определенной частотой
`DatetimeIndex.to_perioddelta`(freq)	Вычисление TimedeltaIndex разницы между значениями индекса и индексом, преобразованным в PeriodIndex с заданной частотой.
`DatetimeIndex.to_pydatetime`()	Возвращает DatetimeIndex как массив объектов datetime.datetime
`DatetimeIndex.to_series`([keep_tz])	Создаёт Series с индексом и значениями, равными ключам индекса
`DatetimeIndex.to_frame`([index])	Создаёт DataFrame со столбцом, содержащим индекс.

TimedeltaIndex

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

Компоненты

`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 таблицу данных компонентов (дней, часов, минут, секунд, миллисекунд, микросекунд, наносекунд) Timedeltas.
`TimedeltaIndex.inferred_freq`

Преобразование

`TimedeltaIndex.to_pytimedelta`()	Возвращает TimedeltaIndex как массив объектов datetime.timedelta.
`TimedeltaIndex.to_series`(**kwargs)	Создаёт Series с индексом и значениями, равными ключам индекса
`TimedeltaIndex.round`(freq, args, *kwargs)	округление индекса до заданной частоты
`TimedeltaIndex.floor`(freq)	округление индекса вниз до заданной частоты
`TimedeltaIndex.ceil`(freq)	округление индекса вверх до заданной частоты
`TimedeltaIndex.to_frame`([index])	Создаёт DataFrame со столбцом, содержащим индекс.

PeriodIndex

PeriodIndex Неизменяемый массив ndarray, содержащий порядковые значения, указывающие на регулярные временные интервалы, такие как конкретные годы, кварталы, месяцы и т. д.

Атрибуты

`PeriodIndex.day`	Дни периода
`PeriodIndex.dayofweek`	День недели, понедельник=0, воскресенье=6
`PeriodIndex.dayofyear`	Порядковый день года
`PeriodIndex.days_in_month`	Количество дней в месяце
`PeriodIndex.daysinmonth`	Количество дней в месяце
`PeriodIndex.end_time`
`PeriodIndex.freq`
`PeriodIndex.freqstr`	Возвращает объект частоты в виде строки, если он установлен, иначе None
`PeriodIndex.hour`	Час периода
`PeriodIndex.is_leap_year`	Логическое значение, указывающее, относится ли дата к високосному году
`PeriodIndex.minute`	Минута периода
`PeriodIndex.month`	Месяц, январь=1, декабрь=12
`PeriodIndex.quarter`	Квартал даты
`PeriodIndex.qyear`
`PeriodIndex.second`	Секунда периода
`PeriodIndex.start_time`
`PeriodIndex.week`	Порядковый номер недели в году
`PeriodIndex.weekday`	День недели, понедельник=0, воскресенье=6
`PeriodIndex.weekofyear`	Порядковый номер недели в году
`PeriodIndex.year`	Год периода

Методы

`PeriodIndex.asfreq`([freq, how])	Преобразовать PeriodIndex к указанной частоте `freq`.
`PeriodIndex.strftime`(date_format)	Возвращает массив форматированных строк, заданных date_format, поддерживающий тот же формат строк, что и стандартная библиотека python.
`PeriodIndex.to_timestamp`([freq, how])	Преобразование к DatetimeIndex
`PeriodIndex.tz_convert`(tz)	Преобразовать tz-осознаваемый DatetimeIndex из одной часовой зоны в другую (используя
`PeriodIndex.tz_localize`(tz[, infer_dst])	Локализовать tz-неявный DatetimeIndex в заданной часовой зоне (используя

Скаляры

Период

Period Представляет период времени

Атрибуты

Методы

`Period.asfreq`	Преобразовать Period к желаемой частоте, в начале или конце
`Period.now`
`Period.strftime`	Возвращает строковое представление `Period`, в зависимости от выбранного `format`.
`Period.to_timestamp`	Возвращает представление Timestamp периода в целевой

Timestamp

Timestamp TimeStamp — аналог Datetime в python, в большинстве случаев взаимозаменяемый с ним.

Свойства

Методы

`Timestamp.astimezone`	Преобразовать временную метку с учётом часового пояса в другой часовой пояс.
`Timestamp.ceil`	возвращает новую временную метку, округлённую до указанного разрешения
`Timestamp.combine`
`Timestamp.ctime`	Возвращает строку в формате ctime().
`Timestamp.date`	Возвращает объект даты с тем же годом, месяцем и днём.
`Timestamp.dst`	Возвращает self.tzinfo.dst(self).
`Timestamp.floor`	возвращает новую временную метку, округленную вниз до указанного разрешения
`Timestamp.freq`
`Timestamp.freqstr`
`Timestamp.fromordinal`	Принимает порядковый номер, преобразует и возвращает временную метку
`Timestamp.fromtimestamp`
`Timestamp.isocalendar`	Возвращает кортеж из 3 элементов: год по ISO, номер недели и день недели.
`Timestamp.isoformat`
`Timestamp.isoweekday`	Возвращает день недели, представленный датой.
`Timestamp.normalize`	Нормализует временную метку до полуночи, сохраняя информацию о часовом поясе.
`Timestamp.now`	Возвращает текущее время в локальном часовом поясе.
`Timestamp.replace`	реализует datetime.replace, обрабатывает наносекунды
`Timestamp.round`	Округляет временную метку до указанного разрешения
`Timestamp.strftime`	форматирует -> строка в формате strftime().
`Timestamp.strptime`	строка, формат -> новая дата, разобранная из строки (как time.strptime()).
`Timestamp.time`	Возвращает объект времени с тем же временем, но tzinfo=None.
`Timestamp.timestamp`	Возвращает значение временной метки POSIX в формате float.
`Timestamp.timetuple`	Возвращает кортеж времени, совместимый с time.localtime().
`Timestamp.timetz`	Возвращает объект времени с тем же временем и tzinfo.
`Timestamp.to_datetime64`	Возвращает объект numpy.datetime64 с точностью 'ns'
`Timestamp.to_julian_date`	Преобразует временную метку в юлианскую дату.
`Timestamp.to_period`	Возвращает период, к которому относится данная временная метка.
`Timestamp.to_pydatetime`	Преобразует объект Timestamp в стандартный объект datetime Python.
`Timestamp.today`	Возвращает текущее время в локальном часовом поясе.
`Timestamp.toordinal`	Возвращает пролептический григорианский порядковый номер.
`Timestamp.tz_convert`	Преобразовать временную метку с учётом часового пояса в другой часовой пояс.
`Timestamp.tz_localize`	Преобразовать временную метку без часового пояса к локальному часовому поясу или удалить часовой пояс из временной метки с учётом часового пояса.
`Timestamp.tzname`	Возвращает self.tzinfo.tzname(self).
`Timestamp.utcfromtimestamp`
`Timestamp.utcnow`
`Timestamp.utcoffset`	Возвращает self.tzinfo.utcoffset(self).
`Timestamp.utctimetuple`	Возвращает кортеж времени UTC, совместимый с time.localtime().
`Timestamp.weekday`	Возвращает день недели, представленный датой.

Интервал

Interval Неизменяемый объект, реализующий интервал, ограниченный срез-подобный интервал.

Свойства

`Interval.closed`
`Interval.closed_left`
`Interval.closed_right`
`Interval.left`
`Interval.mid`
`Interval.open_left`
`Interval.open_right`
`Interval.right`

Длительность

Timedelta Представляет длительность, разницу между двумя датами или временами.

Свойства

`Timedelta.asm8`	возвращает представление массива numpy timedelta64 моего значения
`Timedelta.components`	Возвращает экземпляр NamedTuple Components
`Timedelta.days`	Количество дней
`Timedelta.freq`
`Timedelta.max`
`Timedelta.microseconds`	Количество микросекунд (>= 0 и меньше 1 секунды).
`Timedelta.min`
`Timedelta.nanoseconds`	Количество наносекунд (>= 0 и меньше 1 микросекунды).
`Timedelta.resolution`	возвращает строку, представляющую минимальное разрешение
`Timedelta.seconds`	Количество секунд (>= 0 и меньше 1 дня).
`Timedelta.value`

Методы

`Timedelta.ceil`	возвращает новый Timedelta, округленный до этого разрешения вверх
`Timedelta.floor`	возвращает новый Timedelta, округленный до этого разрешения вниз
`Timedelta.isoformat`	Форматирует Timedelta в формате ISO 8601 Duration, например `P[n]Y[n]M[n]DT[n]H[n]M[n]S`, где [n] заменяются значениями.
`Timedelta.round`	Округляет Timedelta до указанного разрешения
`Timedelta.to_pytimedelta`	возвращает объект datetime.timedelta
`Timedelta.to_timedelta64`	Возвращает объект numpy.timedelta64 с точностью ‘ns’
`Timedelta.total_seconds`	Общее время timedelta в секундах (с точностью до ns)

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`()	подсчет скользящих значений, отличных от NaN
`Rolling.sum`(args, *kwargs)	сумма скользящего окна
`Rolling.mean`(args, *kwargs)	среднее скользящего окна
`Rolling.median`(**kwargs)	медиана скользящего окна
`Rolling.var`([ddof])	дисперсия скользящего окна
`Rolling.std`([ddof])	стандартное отклонение скользящего окна
`Rolling.min`(args, *kwargs)	минимальное значение скользящего окна
`Rolling.max`(args, *kwargs)	максимальное значение скользящего окна
`Rolling.corr`([other, pairwise])	выборка скользящей корреляции
`Rolling.cov`([other, pairwise, ddof])	выборка скользящей ковариации
`Rolling.skew`(**kwargs)	смещенное скользящее значение асимметрии
`Rolling.kurt`(**kwargs)	смещенное скользящее значение эксцесса
`Rolling.apply`(func[, args, kwargs])	применение скользящей функции
`Rolling.quantile`(quantile, **kwargs)	скользящий квантиль
`Window.mean`(args, *kwargs)	среднее окна
`Window.sum`(args, *kwargs)	сумма окна

Стандартные функции расширяющегося окна

`Expanding.count`(**kwargs)	расширяющееся подсчёт числа значений, не равных NaN
`Expanding.sum`(args, *kwargs)	расширяющаяся сумма
`Expanding.mean`(args, *kwargs)	расширяющееся среднее
`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)	Смещённая расширяющаяся асимметрия
`Expanding.kurt`(**kwargs)	Смещённая расширяющаяся эксцесс
`Expanding.apply`(func[, args, kwargs])	расширяющееся применение функции
`Expanding.quantile`(quantile, **kwargs)	расширяющееся квантиль

Функции скользящего окна с экспоненциальным взвешиванием

`EWM.mean`(args, *kwargs)	экспоненциально взвешенное скользящее среднее
`EWM.std`([bias])	экспоненциально взвешенное скользящее стандартное отклонение
`EWM.var`([bias])	экспоненциально взвешенное скользящее значение дисперсии
`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])	Строит NDFrame из группы с заданным именем

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

Применение функций

`GroupBy.apply`(func, args, *kwargs)	Применяет функцию `func` к каждой группе и объединяет результаты вместе.
`GroupBy.aggregate`(func, args, *kwargs)
`GroupBy.transform`(func, args, *kwargs)
`GroupBy.pipe`(func, args, *kwargs)	Применяет функцию с аргументами к этому объекту GroupBy,

Вычисления / Описательные статистики

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

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

`DataFrameGroupBy.agg`(arg, args, *kwargs)	Агрегирование с использованием вызываемой функции, строки, словаря или списка строк/вызываемых функций
`DataFrameGroupBy.all`	Возвращает значение True, если все элементы на указанной оси равны True
`DataFrameGroupBy.any`	Возвращает значение True, если хотя бы один элемент на указанной оси равен True
`DataFrameGroupBy.bfill`([limit])	Заполнение значений методом «заполнить вперёд»
`DataFrameGroupBy.corr`	Вычисление парной корреляции столбцов, исключая значения NaN
`DataFrameGroupBy.count`()	Вычисление количества элементов в группе, исключая пропущенные значения
`DataFrameGroupBy.cov`	Вычисление парной ковариации столбцов, исключая значения NaN
`DataFrameGroupBy.cummax`([axis])	Накопительный максимум для каждой группы
`DataFrameGroupBy.cummin`([axis])	Накопительный минимум для каждой группы
`DataFrameGroupBy.cumprod`([axis])	Накопительное произведение для каждой группы
`DataFrameGroupBy.cumsum`([axis])	Накопительная сумма для каждой группы
`DataFrameGroupBy.describe`(**kwargs)	Генерирует описательные статистики, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая значения NaN.
`DataFrameGroupBy.diff`	Первое дискретное различие объекта
`DataFrameGroupBy.ffill`([limit])	Заполнение значений методом «заполнить назад»
`DataFrameGroupBy.fillna`	Заполнение пропущенных значений (NaN) указанным методом
`DataFrameGroupBy.filter`(func[, dropna])	Возвращает копию DataFrame, исключая элементы из групп, которые не удовлетворяют булевому критерию, заданному функцией func.
`DataFrameGroupBy.hist`	Построение гистограммы серии DataFrame с использованием matplotlib/pylab.
`DataFrameGroupBy.idxmax`	Возвращает индекс первого вхождения максимального значения по указанной оси.
`DataFrameGroupBy.idxmin`	Возвращает индекс первого вхождения минимального значения по указанной оси.
`DataFrameGroupBy.mad`	Возвращает среднее абсолютное отклонение значений по указанной оси.
`DataFrameGroupBy.pct_change`	Процентное изменение за заданное количество периодов.
`DataFrameGroupBy.plot`	Класс, реализующий атрибут .plot для объектов groupby.
`DataFrameGroupBy.quantile`	Возвращает значения в заданном квантиле по указанной оси, аналогично numpy.percentile.
`DataFrameGroupBy.rank`	Вычисление рангов числовых данных (от 1 до n) по оси.
`DataFrameGroupBy.resample`(rule, args, *kwargs)	Предоставляет возможность ресемплирования при использовании TimeGrouper
`DataFrameGroupBy.shift`([periods, freq, axis])	Сдвиг каждой группы на указанное количество наблюдений
`DataFrameGroupBy.size`()	Вычисление размеров групп
`DataFrameGroupBy.skew`	Возвращает несмещённое значение скошенности по указанной оси
`DataFrameGroupBy.take`	Возвращает элементы по заданным позиционным индексам по оси.
`DataFrameGroupBy.tshift`	Сдвигает временной индекс, используя частоту индекса, если она доступна.

Следующие методы доступны только для объектов SeriesGroupBy.

`SeriesGroupBy.nlargest`	Возвращает `n` наибольших элементов.
`SeriesGroupBy.nsmallest`	Возвращает `n` наименьших элементов.
`SeriesGroupBy.nunique`([dropna])	Возвращает количество уникальных элементов в группе
`SeriesGroupBy.unique`	Возвращает уникальные значения в объекте.
`SeriesGroupBy.value_counts`([normalize, ...])

Следующие методы доступны только для объектов DataFrameGroupBy.

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

Ресемплирование

Объекты Resampler возвращаются методами 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)	Агрегирование с использованием вызываемого объекта, строки, словаря или списка строк/вызываемых объектов
`Resampler.aggregate`(arg, args, *kwargs)	Агрегирование с использованием вызываемого объекта, строки, словаря или списка строк/вызываемых объектов
`Resampler.transform`(arg, args, *kwargs)	Вызов функции, создающей Series с аналогичным индексом для каждой группы и возврат результата

Увеличение частоты дискретизации

`Resampler.ffill`([limit])	Заполнение вперёд
`Resampler.backfill`([limit])	Заполнение назад
`Resampler.bfill`([limit])	Заполнение назад
`Resampler.pad`([limit])	Заполнение вперёд
`Resampler.nearest`([limit])	Заполнение ближайшим значением, начиная с центра
`Resampler.fillna`(method[, limit])	Заполнение пропущенных значений
`Resampler.asfreq`([fill_value])	возвращает значения с новой частотой
`Resampler.interpolate`([method, axis, limit, ...])	Интерполяция значений в соответствии с различными методами.

Вычисления/описательные статистики

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

Стиль

Объекты Styler 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 каждому элементу, обновляя HTML-представление результатом.
`Styler.where`(cond, value[, other, subset])	Применить функцию к каждому элементу, обновляя HTML-представление стилем, выбранным в соответствии с возвращаемым значением функции.
`Styler.format`(formatter[, subset])	Форматировать текстовое значение отображения ячеек.
`Styler.set_precision`(precision)	Установить точность, используемую для отображения.
`Styler.set_table_styles`(table_styles)	Установить стили таблицы в Styler.
`Styler.set_caption`(caption)	Установить заголовок в 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 все ранее примененные стили.

Встроенные стили

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

Экспорт и импорт стилей

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

Отображение

`plotting.register_matplotlib_converters`([...])	Регистрация форматеров и конвертеров Pandas в matplotlib.
`plotting.deregister_matplotlib_converters`()	Удаление форматеров и конвертеров pandas.

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 значения по умолчанию.
`get_option`(pat)	Получить значение указанного параметра.
`set_option`(pat, value)	Установить значение указанного параметра.
`option_context`(*args)	Контекстный менеджер для временного изменения параметров в контексте `with` оператора.

Функции тестирования

`testing.assert_frame_equal`(left, right[, ...])	Проверить, что DataFrame left и right равны.
`testing.assert_series_equal`(left, right[, ...])	Проверить, что Series left и right равны.
`testing.assert_index_equal`(left, right[, ...])	Проверить, что Index left и right равны.

Исключения и предупреждения

`errors.DtypeWarning`	Предупреждение, которое генерируется при несовместимости типов данных.
`errors.EmptyDataError`	Исключение, которое генерируется в `pd.read_csv` (как C-, так и Python-движками) при обнаружении пустых данных или заголовков.
`errors.OutOfBoundsDatetime`
`errors.ParserError`	Исключение, которое генерируется при ошибке, обнаруженной в `pd.read_csv`.
`errors.ParserWarning`	Предупреждение, которое генерируется в `pd.read_csv` всякий раз, когда требуется изменить парсер (как правило, с «c» на «python») в отличие от указанного пользователем из-за отсутствия поддержки или функциональности для обработки определенных атрибутов CSV-файла с запрошенным движком.
`errors.PerformanceWarning`	Предупреждение, которое генерируется, когда возможно влияние на производительность.
`errors.UnsortedIndexError`	Ошибка, генерируемая при попытке получить срез MultiIndex, если индекс не отсортирован в лексикографическом порядке.
`errors.UnsupportedFunctionCall`	Исключение, генерируемое при попытке вызвать функцию NumPy на объекте Pandas, но эта функция не поддерживается этим объектом, например,

`api.types.union_categoricals`(to_union[, ...])	Объединить список категориальных типов, объединив категории.
`api.types.infer_dtype`	Эффективно определить тип переданного значения или списка значений.
`api.types.pandas_dtype`(dtype)	Преобразует входной тип в объект типа pandas или объект типа numpy.

Интроспекция типа

`api.types.is_bool_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип булевым типом.
`api.types.is_categorical_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом Categorical.
`api.types.is_complex_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип комплексным типом.
`api.types.is_datetime64_any_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип типом datetime64.
`api.types.is_datetime64_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом datetime64.
`api.types.is_datetime64_ns_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип типом datetime64[ns].
`api.types.is_datetime64tz_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом DatetimeTZDtype.
`api.types.is_extension_type`(arr)	Проверить, является ли массив экземпляром расширенного класса pandas.
`api.types.is_float_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип типом с плавающей точкой.
`api.types.is_int64_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип типом int64.
`api.types.is_integer_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип целочисленным типом.
`api.types.is_interval_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом Interval.
`api.types.is_numeric_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип числовым типом.
`api.types.is_object_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом object.
`api.types.is_period_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом Period.
`api.types.is_signed_integer_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип знаковым целочисленным типом.
`api.types.is_string_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип строковым типом.
`api.types.is_timedelta64_dtype`(arr_or_dtype)	Проверить, является ли массив или тип типом timedelta64.
`api.types.is_timedelta64_ns_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип типом timedelta64[ns].
`api.types.is_unsigned_integer_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип беззнаковым целочисленным типом.
`api.types.is_sparse`(arr)	Проверить, является ли массив разреженным массивом pandas.

Интроспекция итерируемых объектов

`api.types.is_dict_like`(obj)	Проверить, является ли объект похожим на словарь.
`api.types.is_file_like`(obj)	Проверить, является ли объект файлоподобным объектом.
`api.types.is_list_like`(obj)	Проверить, является ли объект похожим на список.
`api.types.is_named_tuple`(obj)	Проверить, является ли объект именованной кортежем.
`api.types.is_iterator`(obj)	Проверить, является ли объект итератором.

Интроспекция скалярных значений

`api.types.is_bool`
`api.types.is_categorical`(arr)	Проверить, является ли массив экземпляром Categorical.
`api.types.is_complex`
`api.types.is_datetimetz`(arr)	Проверить, является ли массив массивом datetime с часовым поясом в типе.
`api.types.is_float`
`api.types.is_hashable`(obj)	Возвращает True, если hash(obj) выполнится успешно, иначе False.
`api.types.is_integer`
`api.types.is_interval`
`api.types.is_number`(obj)	Проверить, является ли объект числом.
`api.types.is_period`(arr)	Проверить, является ли массив периодическим индексом.
`api.types.is_re`(obj)	Проверить, является ли объект экземпляром шаблона регулярного выражения.
`api.types.is_re_compilable`(obj)	Проверить, может ли объект быть скомпилирован в экземпляр шаблона регулярного выражения.
`api.types.is_scalar`	Возвращает True, если заданное значение является скалярным.

© 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/0.22.0/api.html

`Period.day`
`Period.dayofweek`
`Period.dayofyear`
`Period.days_in_month`
`Period.daysinmonth`
`Period.end_time`
`Period.freq`
`Period.freqstr`
`Period.hour`
`Period.is_leap_year`
`Period.minute`
`Period.month`
`Period.ordinal`
`Period.quarter`
`Period.qyear`
`Period.second`
`Period.start_time`
`Period.week`
`Period.weekday`
`Period.weekofyear`
`Period.year`

`Timestamp.asm8`
`Timestamp.day`
`Timestamp.dayofweek`
`Timestamp.dayofyear`
`Timestamp.days_in_month`
`Timestamp.daysinmonth`
`Timestamp.hour`
`Timestamp.is_leap_year`
`Timestamp.is_month_end`
`Timestamp.is_month_start`
`Timestamp.is_quarter_end`
`Timestamp.is_quarter_start`
`Timestamp.is_year_end`
`Timestamp.is_year_start`
`Timestamp.max`
`Timestamp.microsecond`
`Timestamp.min`
`Timestamp.month`
`Timestamp.nanosecond`
`Timestamp.quarter`
`Timestamp.resolution`
`Timestamp.second`
`Timestamp.tz`	Псевдоним для tzinfo
`Timestamp.tzinfo`
`Timestamp.value`
`Timestamp.weekday_name`
`Timestamp.weekofyear`
`Timestamp.year`