API Справочник

Эта страница предоставляет обзор всех общедоступных объектов, функций и методов pandas. Все классы и функции, экспортированные в pandas.* пространство имён, являются общедоступными.

Некоторые подпакеты являются общедоступными, включая pandas.errors, pandas.plotting, и pandas.testing. Общедоступные функции в подмодулях pandas.io и pandas.tseries упомянуты в документации. 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 являются ПРИВАТНЫМИ. Стабильность функциональности в таких модулях не гарантируется.

Вход/Выход

Сериализация

read_pickle(path[, compression]) Загрузка сериализованного объекта pandas (или любого объекта) из файла.

Файлы с плоской структурой

`read_table`(filepath_or_buffer[, sep, …])	Чтение файла с разделителями в DataFrame
`read_csv`(filepath_or_buffer[, sep, …])	Чтение CSV (файла с разделителями запятыми) 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 файла

Буфер обмена

read_clipboard([sep]) Чтение текста из буфера обмена и передача его в read_table.

Excel

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

JSON

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

`json_normalize`(data[, record_path, meta, …])	«Нормализация» полуструктурированных JSON данных в плоскую таблицу
`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 в таблицу в файле.
`HDFStore.get`(key)	Извлечение объекта pandas, сохранённого в файле
`HDFStore.select`(key[, where, start, stop, …])	Извлечение объекта pandas, сохранённого в файле, при необходимости на основе критериев where
`HDFStore.info`()	Печать подробной информации о хранилище
`HDFStore.keys`()	Возвращает (возможно, неупорядоченный) список ключей, соответствующих объектам, сохранённым в HDFStore.

Feather

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

Parquet

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

SAS

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

SQL

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

Google BigQuery

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

STATA

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

`StataReader.data`(**kwargs)	(УСТЕРЕЖДЁН) Читает наблюдения из файла Stata, преобразуя их в DataFrame
`StataReader.data_label`()	Возвращает метку данных файла Stata
`StataReader.value_labels`()	Возвращает словарь, сопоставляющий каждому имени переменной словарь, сопоставляющий каждому значению соответствующую метку
`StataReader.variable_labels`()	Возвращает метки переменных в виде словаря, сопоставляющего каждому имени переменной соответствующую метку
`StataWriter.write_file`()

Общие функции

Обработка данных

`melt`(frame[, id_vars, value_vars, var_name, …])	«Преобразует» DataFrame из широкой формы в длинную, необязательно оставляя переменные идентификаторов.
`pivot`(index, columns, values)	Создаёт сводную таблицу на основе 3 столбцов данного DataFrame.
`pivot_table`(data[, values, index, columns, …])	Создаёт сводную таблицу в стиле электронных таблиц в виде DataFrame.
`crosstab`(index, columns[, values, rownames, …])	Вычисляет простую сводную таблицу для двух (или более) факторов.
`cut`(x, bins[, right, labels, retbins, …])	Разбивает значения на дискретные интервалы.
`qcut`(x, q[, labels, retbins, precision, …])	Функция дискретизации на основе квантилей.
`merge`(left, right[, how, on, left_on, …])	Объединяет объекты DataFrame, выполняя объединение в стиле базы данных по столбцам или индексам.
`merge_ordered`(left, right[, on, left_on, …])	Выполняет объединение с необязательным заполнением/интерполяцией, предназначенное для упорядоченных данных, таких как временные ряды.
`merge_asof`(left, right[, on, left_on, …])	Выполняет объединение asof.
`concat`(objs[, axis, join, join_axes, …])	Конкатенирует объекты pandas вдоль определённой оси с необязательной логикой множеств вдоль других осей.
`get_dummies`(data[, prefix, prefix_sep, …])	Преобразует категориальную переменную в фиктивные/индикаторные переменные.
`factorize`(values[, sort, order, …])	Кодирует объект как перечислимый тип или категориальную переменную.
`unique`(values)	Уникальные значения на основе хеш-таблицы.
`wide_to_long`(df, stubnames, i, j[, sep, suffix])	Преобразование широких данных в длинную форму.

Основные пропуски данных

`isna`(obj)	Обнаружение пропущенных значений для массивоподобного объекта.
`isnull`(obj)	Обнаружение пропущенных значений для массивоподобного объекта.
`notna`(obj)	Обнаружение непропущенных значений для массивоподобного объекта.
`notnull`(obj)	Обнаружение непропущенных значений для массивоподобного объекта.

Основные преобразования

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

Основные 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.
`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 (календарный).
`timedelta_range`([start, end, periods, freq, …])	Возвращает TimedeltaIndex с фиксированной частотой, по умолчанию - день.
`infer_freq`(index[, warn])	Определяет наиболее вероятную частоту, заданную входным индексом.

Основные операции с интервалами

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

Основные вычисления

eval(expr[, parser, engine, truediv, …]) Вычисляет строку Python-выражения, используя различные бэкэнды.

Тестирование

test([extra_args])

Series

Конструктор

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

Атрибуты

Оси

Series.index Индекс (метки осей) Series.

`Series.values`	Возвращает Series как ndarray или ndarray-подобный объект в зависимости от типа данных
`Series.dtype`	возвращает объект типа данных базовых данных
`Series.ftype`	возвращает, является ли данные разреженными или плоскими
`Series.shape`	возвращает кортеж формы базовых данных
`Series.nbytes`	возвращает количество байтов в базовых данных
`Series.ndim`	возвращает количество измерений базовых данных, по определению 1
`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 совмещена
`Series.T`	возвращает транспонированное значение, которое по определению равно self
`Series.memory_usage`([index, deep])	Возвращает объем памяти, занимаемый Series.
`Series.hasnans`	возвращает, есть ли в данных NaN; позволяет ускорить различные операции
`Series.flags`
`Series.empty`
`Series.dtypes`	возвращает объект типа данных базовых данных
`Series.ftypes`	возвращает, являются ли данные разреженными или плоскими
`Series.data`	возвращает указатель данных базовых данных
`Series.is_copy`
`Series.name`
`Series.put`(args, *kwargs)	Применяет метод `put` к атрибуту `values` объекта, если таковой имеется.

Преобразование

`Series.astype`(dtype[, copy, errors])	Преобразует объект pandas к указанному типу данных `dtype`.
`Series.infer_objects`()	Попытка определить лучшие типы данных для столбцов типа object.
`Series.convert_objects`([convert_dates, …])	(УСТАРЕЛО) Попытка определить лучшие типы данных для столбцов типа object.
`Series.copy`([deep])	Создает копию индексов и данных этого объекта.
`Series.bool`()	Возвращает булево значение единственного элемента PandasObject.
`Series.to_period`([freq, copy])	Преобразует Series из DatetimeIndex в PeriodIndex с желаемой частотой (если не указана, она выводится из индекса).
`Series.to_timestamp`([freq, how, copy])	Преобразует в datetimeindex временных меток, в начале периода
`Series.tolist`()	Возвращает список значений.
`Series.get_values`()	то же, что и values (но обрабатывает преобразования разреженности); является представлением

Индексирование, итерация

`Series.get`(key[, default])	Получает элемент объекта для данного ключа (столбец DataFrame, срез Panel и т. д.).
`Series.at`	Доступ к одному значению для пары метки строки/столбца.
`Series.iat`	Доступ к одному значению для пары строки/столбца по целочисленной позиции.
`Series.loc`	Доступ к группе строк и столбцов по меткам или булевому массиву.
`Series.iloc`	Индексирование только по целочисленным позициям для выбора по позиции.
`Series.__iter__`()	Возвращает итератор значений.
`Series.iteritems`()	Лениво перебирает кортежи (индекс, значение)
`Series.items`()	Лениво перебирает кортежи (индекс, значение)
`Series.keys`()	Псевдоним для index
`Series.pop`(item)	Возвращает элемент и удаляет его из фрейма.
`Series.item`()	возвращает первый элемент базовых данных в виде скаляра Python
`Series.xs`(key[, axis, level, drop_level])	Возвращает сечение (строка(и) или столбец(ы)) из Series/DataFrame.

Дополнительную информацию о .at, .iat, .loc, и .iloc, см. в документации по индексированию.

Функции бинарных операторов

`Series.add`(other[, level, fill_value, axis])	Сложение рядов и других элементов, поэлементно (бинарная операция `add`).
`Series.sub`(other[, level, fill_value, axis])	Вычитание рядов и других элементов, поэлементно (бинарная операция `sub`).
`Series.mul`(other[, level, fill_value, axis])	Умножение рядов и других элементов, поэлементно (бинарная операция `mul`).
`Series.div`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементно (бинарная операция `truediv`).
`Series.truediv`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементно (бинарная операция `truediv`).
`Series.floordiv`(other[, level, fill_value, axis])	Целочисленное деление рядов и других элементов, поэлементно (бинарная операция `floordiv`).
`Series.mod`(other[, level, fill_value, axis])	Остаток от деления рядов и других элементов, поэлементно (бинарная операция `mod`).
`Series.pow`(other[, level, fill_value, axis])	Возведение в степень рядов и других элементов, поэлементно (бинарная операция `pow`).
`Series.radd`(other[, level, fill_value, axis])	Сложение рядов и других элементов, поэлементно (бинарная операция `radd`).
`Series.rsub`(other[, level, fill_value, axis])	Вычитание рядов и других элементов, поэлементно (бинарная операция `rsub`).
`Series.rmul`(other[, level, fill_value, axis])	Умножение рядов и других элементов, поэлементно (бинарная операция `rmul`).
`Series.rdiv`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементно (бинарная операция `rtruediv`).
`Series.rtruediv`(other[, level, fill_value, axis])	Деление с плавающей точкой рядов и других элементов, поэлементно (бинарная операция `rtruediv`).
`Series.rfloordiv`(other[, level, fill_value, …])	Целочисленное деление рядов и других элементов, поэлементно (бинарная операция `rfloordiv`).
`Series.rmod`(other[, level, fill_value, axis])	Остаток от деления рядов и других элементов, поэлементно (бинарная операция `rmod`).
`Series.rpow`(other[, level, fill_value, axis])	Возведение в степень рядов и других элементов, поэлементно (бинарная операция `rpow`).
`Series.combine`(other, func[, fill_value])	Выполнение поэлементной бинарной операции над двумя рядами с помощью заданной функции с необязательным значением заполнения, когда индекс отсутствует в одном из рядов
`Series.combine_first`(other)	Объединение значений Series, выбирая сначала значения вызываемого 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, поэлементно (бинарная операция `lt`).
`Series.gt`(other[, level, fill_value, axis])	Больше, чем у ряда и другого, поэлементно (бинарная операция `gt`).
`Series.le`(other[, level, fill_value, axis])	Меньше или равно ряду и другому, поэлементно (бинарная операция `le`).
`Series.ge`(other[, level, fill_value, axis])	Больше или равно ряду и другому, поэлементно (бинарная операция `ge`).
`Series.ne`(other[, level, fill_value, axis])	Не равно ряду и другому, поэлементно (бинарная операция `ne`).
`Series.eq`(other[, level, fill_value, axis])	Равно ряду и другому, поэлементно (бинарная операция `eq`).
`Series.product`([axis, skipna, level, …])	Возвращает произведение значений для запрошенной оси.
`Series.dot`(other)	Умножение матриц с DataFrame или внутреннее произведение с объектами Series.

Применение функций, GroupBy и Window

`Series.apply`(func[, convert_dtype, args])	Вызов функции для значений Series.
`Series.agg`(func[, axis])	Агрегирование с использованием одной или нескольких операций по указанной оси.
`Series.aggregate`(func[, axis])	Агрегирование с использованием одной или нескольких операций по указанной оси.
`Series.transform`(func, args, *kwargs)	Вызов функции, создающей NDFrame с аналогичными индексами, и возвращает NDFrame со значениями преобразованными
`Series.map`(arg[, na_action])	Преобразование значений Series с использованием входного соответствия (словарь, Series или функция).
`Series.groupby`([by, axis, level, as_index, …])	Группировка series с использованием отображения (словарь или функция ключа, применение данной функции к группе, возврат результата как series) или по series столбцов.
`Series.rolling`(window[, min_periods, …])	Предоставляет вычисления скользящего среднего.
`Series.expanding`([min_periods, center, axis])	Предоставляет расширяющие преобразования.
`Series.ewm`([com, span, halflife, alpha, …])	Предоставляет экспоненциально взвешенные функции
`Series.pipe`(func, args, *kwargs)	Применение func(self, args, *kwargs)

Вычисления/Описательные статистики

`Series.abs`()	Возвращает Series/DataFrame с абсолютным значением каждого элемента.
`Series.all`([axis, bool_only, skipna, level])	Возвращает значение True, если все элементы истинны, потенциально по оси.
`Series.any`([axis, bool_only, skipna, level])	Возвращает значение True, если любой элемент истинен по запрошенной оси.
`Series.autocorr`([lag])	Автокорреляция с лагом N
`Series.between`(left, right[, inclusive])	Возвращает булеву Series, эквивалентную left <= series <= right.
`Series.clip`([lower, upper, axis, inplace])	Обрезает значения по заданным порогам.
`Series.clip_lower`(threshold[, axis, inplace])	Возвращает копию входных данных с усеченными значениями ниже порога.
`Series.clip_upper`(threshold[, axis, inplace])	Возвращает копию входных данных с усеченными значениями выше заданного значения(й).
`Series.corr`(other[, method, min_periods])	Вычисляет корреляцию со `other` Series, исключая пропущенные значения
`Series.count`([level])	Возвращает количество наблюдений без NA/null в Series
`Series.cov`(other[, min_periods])	Вычисляет ковариацию с Series, исключая пропущенные значения
`Series.cummax`([axis, skipna])	Возвращает кумулятивный максимум по оси DataFrame или Series.
`Series.cummin`([axis, skipna])	Возвращает кумуляльный минимум по оси DataFrame или Series.
`Series.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по оси DataFrame или Series.
`Series.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по оси DataFrame или Series.
`Series.describe`([percentiles, include, exclude])	Генерирует описательные статистики, которые суммируют центральную тенденцию, дисперсию и форму распределения набора данных, исключая `NaN` значения.
`Series.diff`([periods])	Первое дискретное различие элемента.
`Series.factorize`([sort, na_sentinel])	Кодирует объект как перечисляемый тип или категориальную переменную.
`Series.kurt`([axis, skipna, level, numeric_only])	Возвращает несмещенную эксцесс по запрошенной оси, используя определение эксцесса Фишера (эксцесс нормального == 0.0).
`Series.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений для 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 для запрошенной оси
`Series.median`([axis, skipna, level, …])	Возвращает медиану значений для 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 между текущим и предыдущим элементом.
`Series.prod`([axis, skipna, level, …])	Возвращает произведение значений для запрошенной оси
`Series.quantile`([q, interpolation])	Возвращает значение в заданном квантиле, аналогично numpy.percentile.
`Series.rank`([axis, method, numeric_only, …])	Вычисляет ранги числовых данных (от 1 до n) по оси.
`Series.sem`([axis, skipna, level, ddof, …])	Возвращает несмещенную стандартную ошибку среднего по запрошенной оси.
`Series.skew`([axis, skipna, level, numeric_only])	Возвращает несмещенное искажение по запрошенной оси, нормированное по N-1
`Series.std`([axis, skipna, level, ddof, …])	Возвращает выборочное стандартное отклонение по запрошенной оси.
`Series.sum`([axis, skipna, level, …])	Возвращает сумму значений для запрошенной оси
`Series.var`([axis, skipna, level, ddof, …])	Возвращает несмещенную дисперсию по запрошенной оси.
`Series.kurtosis`([axis, skipna, level, …])	Возвращает несмещенную эксцесс по запрошенной оси, используя определение эксцесса Фишера (эксцесс нормального == 0.0).
`Series.unique`()	Возвращает уникальные значения объекта Series.
`Series.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Series.is_unique`	Возвращает булевое значение, если значения в объекте уникальны
`Series.is_monotonic`	Возвращает булево значение, если значения в объекте монотонно возрастают
`Series.is_monotonic_increasing`	Возвращает булево значение, если значения в объекте монотонно возрастают
`Series.is_monotonic_decreasing`	Возвращает булевое значение, если значения в объекте монотонно убывают
`Series.value_counts`([normalize, sort, …])	Возвращает объект, содержащий количество уникальных значений.
`Series.compound`([axis, skipna, level])	Возвращает составной процент значений для запрошенной оси

`Series.nonzero`()	Возвращает целочисленные индексы элементов, отличных от нуля.
`Series.ptp`([axis, skipna, level, numeric_only])	Возвращает разницу между максимальным и минимальным значением.

Переиндексация / Выборка / Работа с метками

`Series.align`(other[, join, axis, level, …])	Выравнивает два объекта по своим осям с указанным методом объединения для каждого индекса оси.
`Series.drop`([labels, axis, index, columns, …])	Возвращает Series с удаленными метками индекса.
`Series.drop_duplicates`([keep, inplace])	Возвращает Series с удаленными дублирующимися значениями.
`Series.duplicated`([keep])	Указывает дублирующиеся значения Series.
`Series.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`Series.first`(offset)	Удобный метод для выборки начальных периодов временных рядов на основе временного смещения.
`Series.head`([n])	Возвращает первые `n` строки.
`Series.idxmax`([axis, skipna])	Возвращает метку строки максимального значения.
`Series.idxmin`([axis, skipna])	Возвращает метку строки минимального значения.
`Series.isin`(values)	Проверяет, содержатся ли `values` в Series.
`Series.last`(offset)	Удобный метод для выборки конечных периодов временных рядов на основе временного смещения.
`Series.reindex`([index])	Приводит Series к новому индексу с опциональной логикой заполнения, помещая NA/NaN в места, где нет значения в предыдущем индексе.
`Series.reindex_like`(other[, method, copy, …])	Возвращает объект с соответствующими индексами.
`Series.rename`([index])	Изменение меток индекса или имени Series.
`Series.rename_axis`(mapper[, axis, copy, inplace])	Изменение имени индекса или столбцов.
`Series.reset_index`([level, drop, name, inplace])	Генерирует новый DataFrame или Series с сброшенным индексом.
`Series.sample`([n, frac, replace, weights, …])	Возвращает случайную выборку элементов из оси объекта.
`Series.select`(crit[, axis])	(УСТАРЕЛО) Возвращает данные, соответствующие меткам осей, соответствующим критериям.
`Series.set_axis`(labels[, axis, inplace])	Назначает заданный индекс указанной оси.
`Series.take`(indices[, axis, convert, is_copy])	Возвращает элементы по заданным позиционным индексам вдоль оси.
`Series.tail`([n])	Возвращает последние `n` строки.
`Series.truncate`([before, after, axis, copy])	Обрезает Series или DataFrame до и после некоторого значения индекса.
`Series.where`(cond[, other, inplace, axis, …])	Возвращает объект той же формы, что и self, и чьи соответствующие записи берутся из self, где `cond` равно True, а в противном случае из `other`.
`Series.mask`(cond[, other, inplace, axis, …])	Возвращает объект той же формы, что и self, и чьи соответствующие записи берутся из self, где `cond` равно False, а в противном случае из `other`.
`Series.add_prefix`(prefix)	Добавляет префикс к меткам со строкой `prefix`.
`Series.add_suffix`(suffix)	Добавляет суффикс к меткам со строкой `suffix`.
`Series.filter`([items, like, regex, axis])	Подмножество строк или столбцов dataframe в соответствии с метками в указанном индексе.

Обработка пропущенных данных

`Series.isna`()	Обнаружение пропущенных значений.
`Series.notna`()	Обнаружение существующих (не пропущенных) значений.
`Series.dropna`([axis, inplace])	Возвращает новый Series с удаленными пропущенными значениями.
`Series.fillna`([value, method, axis, …])	Заполнение пропущенных значений (NA/NaN) с использованием указанного метода.
`Series.interpolate`([method, axis, limit, …])	Интерполяция значений в соответствии с различными методами.

Преобразование, сортировка

`Series.argsort`([axis, kind, order])	Заменяет ndarray.argsort.
`Series.argmin`([axis, skipna])	(УСТАРЕЛО) .. deprecated:: 0.21.0
`Series.argmax`([axis, skipna])	(УСТАРЕЛО) .. deprecated:: 0.21.0
`Series.reorder_levels`(order)	Переупорядочивает уровни индекса в соответствии с заданным порядком.
`Series.sort_values`([axis, ascending, …])	Сортирует по значениям.
`Series.sort_index`([axis, level, ascending, …])	Сортирует Series по меткам индекса.
`Series.swaplevel`([i, j, copy])	Меняет местами уровни i и j в MultiIndex
`Series.unstack`([level, fill_value])	Развертывание, также известное как
`Series.searchsorted`(value[, side, sorter])	Находит индексы, куда необходимо вставить элементы для сохранения порядка.
`Series.ravel`([order])	Возвращает уплощенные данные в виде массива ndarray
`Series.repeat`(repeats, args, *kwargs)	Повторяет элементы Series.
`Series.squeeze`([axis])	Сжимает размерность 1.
`Series.view`([dtype])	Создает новый вид Series.
`Series.sortlevel`([level, ascending, …])	(УСТАРЕЛО) Сортирует Series с MultiIndex по выбранному уровню.

Объединение / соединение / слияние

`Series.append`(to_append[, ignore_index, …])	Конкатенация двух или более Series.
`Series.replace`([to_replace, value, inplace, …])	Заменяет значения, указанные в `to_replace` на `value`.
`Series.update`(other)	Изменяет Series на месте, используя значения из переданной Series, отличные от NaN.

`Series.asfreq`(freq[, method, how, …])	Преобразование временного ряда в заданную частоту.
`Series.asof`(where[, subset])	Берется последняя строка без NaN (или последняя строка без NaN, учитывая только подмножество столбцов в случае DataFrame).
`Series.shift`([periods, freq, axis])	Сдвиг индекса на заданное количество периодов с необязательной частотой времени.
`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 временных рядов без часового пояса в целевом часовом поясе.
`Series.at_time`(time[, asof])	Выбор значений в определенное время суток (например,
`Series.between_time`(start_time, end_time[, …])	Выбор значений между определенными временами суток (например, 9:00-9:30 утра).
`Series.tshift`([periods, freq, axis])	Сдвиг временного индекса, используя частоту индекса, если она доступна.
`Series.slice_shift`([periods, axis])	Эквивалентно `shift` без копирования данных.

Свойства datetimelike

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

Свойства даты и времени

`Series.dt.date`	Возвращает массив NumPy объектов python datetime.date (в частности, часть даты Timestamp без информации о часовом поясе).
`Series.dt.time`	Возвращает массив datetime.time.
`Series.dt.year`	Год даты и времени.
`Series.dt.month`	Месяц, где январь=1, декабрь=12.
`Series.dt.day`	День даты и времени.
`Series.dt.hour`	Часы даты и времени.
`Series.dt.minute`	Минуты даты и времени.
`Series.dt.second`	Секунды даты и времени.
`Series.dt.microsecond`	Микросекунды даты и времени.
`Series.dt.nanosecond`	Наносекунды даты и времени.
`Series.dt.week`	Номер недели в году.
`Series.dt.weekofyear`	Номер недели в году.
`Series.dt.dayofweek`	День недели (понедельник=0, воскресенье=6).
`Series.dt.weekday`	День недели (понедельник=0, воскресенье=6).
`Series.dt.dayofyear`	Порядковый день в году.
`Series.dt.quarter`	Квартал года.
`Series.dt.is_month_start`	Логический индикатор, указывающий, является ли день первым днем месяца (определяется частотой).
`Series.dt.is_month_end`	Указатель, является ли дата последним днем месяца.
`Series.dt.is_quarter_start`	Указатель, является ли дата первым днем квартала.
`Series.dt.is_quarter_end`	Указатель, является ли дата последним днем квартала.
`Series.dt.is_year_start`	Указывает, является ли дата первым днем года.
`Series.dt.is_year_end`	Указывает, является ли дата последним днем года.
`Series.dt.is_leap_year`	Булевый индикатор, если дата принадлежит високосному году.
`Series.dt.daysinmonth`	Количество дней в месяце.
`Series.dt.days_in_month`	Количество дней в месяце.
`Series.dt.tz`
`Series.dt.freq`

Методы для дат и времени

`Series.dt.to_period`(args, *kwargs)	Преобразование в PeriodIndex с определенной частотой.
`Series.dt.to_pydatetime`()	Возвращает данные как массив объектов datetime из Python.
`Series.dt.tz_localize`(args, *kwargs)	Локализация tz-неявного DatetimeIndex в tz-явный DatetimeIndex.
`Series.dt.tz_convert`(args, *kwargs)	Преобразование tz-явного DatetimeIndex из одного часового пояса в другой.
`Series.dt.normalize`(args, *kwargs)	Преобразование времени в полночь.
`Series.dt.strftime`(args, *kwargs)	Преобразование в Индекс с использованием указанного формата даты.
`Series.dt.round`(args, *kwargs)	Округление данных до указанной `freq`.
`Series.dt.floor`(args, *kwargs)	Округление данных вниз до указанной `freq`.
`Series.dt.ceil`(args, *kwargs)	Округление данных вверх до указанной `freq`.
`Series.dt.month_name`(args, *kwargs)	Возвращает имена месяцев из DateTimeIndex с указанным языковым стандартом.
`Series.dt.day_name`(args, *kwargs)	Возвращает имена дней из DateTimeIndex с указанным языковым стандартом.

Свойства для Timedelta

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

Методы для Timedelta

`Series.dt.to_pytimedelta`()	Возвращает массив нативных объектов `datetime.timedelta`.
`Series.dt.total_seconds`(args, *kwargs)	Возвращает полную продолжительность каждого элемента, выраженную 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 к Series.str.<function/property>.

`Series.str.capitalize`()	Преобразовать строки в Series/Index в верхний регистр первой буквы.
`Series.str.cat`([others, sep, na_rep, join])	Конкатенировать строки в Series/Index с заданным разделителем.
`Series.str.center`(width[, fillchar])	Заполнение левой и правой стороны строк в Series/Index дополнительным символом.
`Series.str.contains`(pat[, case, flags, na, …])	Проверка, содержится ли шаблон или регулярное выражение внутри строки в Series или Index.
`Series.str.count`(pat[, flags])	Подсчёт вхождений шаблона в каждой строке Series/Index.
`Series.str.decode`(encoding[, errors])	Декодировать строку символов в Series/Index с использованием указанного кодирования.
`Series.str.encode`(encoding[, errors])	Кодировать строку символов в Series/Index с использованием указанного кодирования.
`Series.str.endswith`(pat[, na])	Проверка, совпадает ли конец каждого элемента строки с шаблоном.
`Series.str.extract`(pat[, flags, expand])	Для каждой строки-объекта в Series извлечь группы из первого совпадения с регулярным выражением pat.
`Series.str.extractall`(pat[, flags])	Для каждой строки-объекта в Series извлечь группы из всех совпадений с регулярным выражением pat.
`Series.str.find`(sub[, start, end])	Возвращает наименьшие индексы в каждой строке в Series/Index, где подстрока полностью содержится между [start:end].
`Series.str.findall`(pat[, flags])	Найти все вхождения шаблона или регулярного выражения в Series/Index.
`Series.str.get`(i)	Извлечь элемент из каждого компонента в указанной позиции.
`Series.str.index`(sub[, start, end])	Возвращает наименьшие индексы в каждой строке, где подстрока полностью содержится между [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 в нижний регистр.
`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)	Возвращает нормальную форму Юникода для строк в Series/Index.
`Series.str.pad`(width[, side, fillchar])	Добавить пробелы в строки в Series/Index с дополнительным символом до указанной стороны.
`Series.str.partition`([pat, expand])	Разделить строку по первому вхождению `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, …])	Заменить вхождения шаблона/регулярного выражения в Series/Index на другую строку.
`Series.str.rfind`(sub[, start, end])	Возвращает наибольшие индексы в каждой строке в Series/Index, где подстрока полностью содержится между [start:end].
`Series.str.rindex`(sub[, start, end])	Возвращает наибольшие индексы в каждой строке, где подстрока полностью содержится между [start:end].
`Series.str.rjust`(width[, fillchar])	Заполнение левой стороны строк в Series/Index дополнительным символом.
`Series.str.rpartition`([pat, expand])	Разделить строку по последнему вхождению `sep`, и вернуть 3 элемента, содержащие часть 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])	Замена позиционного среза строки другим значением.
`Series.str.split`([pat, n, expand])	Разделить строки вокруг заданного разделителя.
`Series.str.rsplit`([pat, n, expand])	Разделить каждую строку в Series/Index по заданной строке-разделителю, начиная с конца строки и двигаясь к началу.
`Series.str.startswith`(pat[, na])	Проверить, совпадает ли начало каждого элемента строки с шаблоном.
`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 в регистр с переключением регистра.
`Series.str.title`()	Преобразовать строки в Series/Index в заголовок.
`Series.str.translate`(table[, deletechars])	Преобразовать все символы в строке с помощью заданной таблицы сопоставления.
`Series.str.upper`()	Преобразовать строки в Series/Index в верхний регистр.
`Series.str.wrap`(width, **kwargs)	Разбить длинные строки в Series/Index, чтобы они были отформатированы в абзацы с длиной меньше заданной ширины.

`Series.str.zfill`(width)	Заполнение левой части строк в серии/индексе нулями.
`Series.str.isalnum`()	Проверка, являются ли все символы в каждой строке в серии/индексе буквенно-цифровыми.
`Series.str.isalpha`()	Проверка, являются ли все символы в каждой строке в серии/индексе буквенными.
`Series.str.isdigit`()	Проверка, являются ли все символы в каждой строке в серии/индексе цифрами.
`Series.str.isspace`()	Проверка, являются ли все символы в каждой строке в серии/индексе пробелами.
`Series.str.islower`()	Проверка, являются ли все символы в каждой строке в серии/индексе строчными.
`Series.str.isupper`()	Проверка, являются ли все символы в каждой строке в серии/индексе прописными.
`Series.str.istitle`()	Проверка, являются ли все символы в каждой строке в серии/индексе заглавными (с заглавной буквы).
`Series.str.isnumeric`()	Проверка, являются ли все символы в каждой строке в серии/индексе числовыми.
`Series.str.isdecimal`()	Проверка, являются ли все символы в каждой строке в серии/индексе десятичными.
`Series.str.get_dummies`([sep])	Разделить каждую строку в серии по sep и вернуть таблицу с dummy/индикаторными переменными.

Категориальные типы данных

Pandas определяет пользовательский тип данных для представления данных, которые могут принимать только ограниченный, фиксированный набор значений. 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

`api.types.CategoricalDtype.categories`	Массив `Index` содержащий уникальные разрешённые категории.
`api.types.CategoricalDtype.ordered`	Указывает, есть ли упорядоченная связь между категориями

Категориальные данные могут храниться в pandas.Categorical

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

Альтернативный конструктор Categorical.from_codes() может использоваться, когда у вас уже есть категории и целочисленные коды:

Categorical.from_codes(codes, categories[, …]) Создаёт объект типа Categorical из массивов кодов и категорий.

Информация о типе данных доступна в Categorical

`Categorical.dtype`	`CategoricalDtype` для данного экземпляра
`Categorical.categories`	Категории данного категориального объекта.
`Categorical.ordered`	Указывает, есть ли упорядоченная связь между категориями
`Categorical.codes`	Коды категорий данного категориального объекта.

np.asarray(categorical) работает путём реализации интерфейса массива. Имейте в виду, что это преобразует категориальный объект в массив NumPy, поэтому информация о категориях и порядке не сохраняется!

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

Объект Categorical может быть сохранён в Series или DataFrame. Для создания Series типа category, используйте cat = s.astype(dtype) или Series(..., dtype=dtype) где dtype это либо

строка 'category'
экземпляр CategoricalDtype.

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 методы и свойства:

`Series.cat.categories`	Категории данного категориального объекта.
`Series.cat.ordered`	Упорядочены ли категории
`Series.cat.codes`

`Series.cat.rename_categories`(args, *kwargs)	Переименовывает категории.
`Series.cat.reorder_categories`(args, *kwargs)	Переупорядочивает категории в соответствии со значениями в new_categories.
`Series.cat.add_categories`(args, *kwargs)	Добавляет новые категории.
`Series.cat.remove_categories`(args, *kwargs)	Удаляет указанные категории.
`Series.cat.remove_unused_categories`(*args, …)	Удаляет неиспользуемые категории.
`Series.cat.set_categories`(args, *kwargs)	Устанавливает категории на указанные new_categories.
`Series.cat.as_ordered`(args, *kwargs)	Устанавливает категориальные данные в упорядоченный порядок
`Series.cat.as_unordered`(args, *kwargs)	Устанавливает категориальные данные в неупорядоченный порядок

Визуализация

Series.plot является одновременно вызываемым методом и пространством имён для конкретных методов визуализации вида Series.plot.<kind>.

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

`Series.plot.area`(**kwds)	Диаграмма области
`Series.plot.bar`(**kwds)	Вертикальная столбчатая диаграмма
`Series.plot.barh`(**kwds)	Горизонтальная столбчатая диаграмма
`Series.plot.box`(**kwds)	Диаграмма размаха
`Series.plot.density`([bw_method, ind])	Генерация диаграммы оценки плотности с использованием гауссовых ядер.
`Series.plot.hist`([bins])	Гистограмма
`Series.plot.kde`([bw_method, ind])	Генерация диаграммы оценки плотности с использованием гауссовых ядер.
`Series.plot.line`(**kwds)	Линейный график
`Series.plot.pie`(**kwds)	Круговая диаграмма

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

Сериализация / Ввод/вывод / Преобразование

`Series.to_pickle`(path[, compression, protocol])	Запись объекта в файл с помощью pickle (сериализация).
`Series.to_csv`([path, index, sep, na_rep, …])	Запись ряда в файл CSV (значения, разделённые запятыми).
`Series.to_dict`([into])	Преобразование ряда в словарь {метка -> значение} или подобный объекту словарь.
`Series.to_excel`(excel_writer[, sheet_name, …])	Запись ряда в лист электронной таблицы Excel.
`Series.to_frame`([name])	Преобразование ряда в DataFrame.
`Series.to_xarray`()	Возвращает объект xarray из объекта pandas.
`Series.to_hdf`(path_or_buf, key, **kwargs)	Запись содержащихся данных в HDF5-файл с использованием HDFStore.
`Series.to_sql`(name, con[, schema, …])	Запись записей, хранящихся в DataFrame, в базу данных SQL.
`Series.to_msgpack`([path_or_buf, encoding])	Запись объекта в файл с помощью msgpack (сериализация).
`Series.to_json`([path_or_buf, orient, …])	Преобразование объекта в JSON-строку.
`Series.to_sparse`([kind, fill_value])	Преобразование ряда в SparseSeries.
`Series.to_dense`()	Возвращение плотной формы NDFrame (в отличие от разреженной).
`Series.to_string`([buf, na_rep, …])	Вывод строки представления ряда.
`Series.to_clipboard`([excel, sep])	Копирование объекта в буфер обмена системы.
`Series.to_latex`([buf, columns, col_space, …])	Вывод объекта в табличную среду таблицы.

Разреженный

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

DataFrame

Конструктор

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

Атрибуты и базовые данные

Оси

`DataFrame.index`	Индекс (метки строк) DataFrame.
`DataFrame.columns`	Метки столбцов DataFrame.

`DataFrame.dtypes`	Возвращает типы данных в DataFrame.
`DataFrame.ftypes`	Возвращает ftypes (указание на разреженность/плотность и тип данных) в DataFrame.
`DataFrame.get_dtype_counts`()	Возвращает количество уникальных типов данных в данном объекте.
`DataFrame.get_ftype_counts`()	(УСТАРЕЛО) Возвращает количество уникальных ftypes в этом объекте.
`DataFrame.select_dtypes`([include, exclude])	Возвращает подмножество столбцов DataFrame на основе типов данных столбцов.
`DataFrame.values`	Возвращает Numpy-представление DataFrame.
`DataFrame.get_values`()	Возвращает ndarray после преобразования разреженных значений в плотные.
`DataFrame.axes`	Возвращает список, представляющий оси DataFrame.
`DataFrame.ndim`	Возвращает целое число, представляющее количество осей/размерностей массива.
`DataFrame.size`	Возвращает целое число, представляющее количество элементов в этом объекте.
`DataFrame.shape`	Возвращает кортеж, представляющий размерность DataFrame.
`DataFrame.memory_usage`([index, deep])	Возвращает объём памяти каждого столбца в байтах.
`DataFrame.empty`	Указатель, пуст ли DataFrame.
`DataFrame.is_copy`

Преобразование

`DataFrame.astype`(dtype[, copy, errors])	Преобразовать pandas-объект к указанному типу данных `dtype`.
`DataFrame.convert_objects`([convert_dates, …])	(УСТАРЕЛО) Попытка определить лучший тип данных для столбцов типа object.
`DataFrame.infer_objects`()	Попытка определить лучшие типы данных для столбцов типа object.
`DataFrame.copy`([deep])	Создать копию индексов и данных этого объекта.
`DataFrame.isna`()	Обнаружение пропущенных значений.
`DataFrame.notna`()	Обнаружение существующих (не пропущенных) значений.
`DataFrame.bool`()	Возвращает bool для отдельного элемента PandasObject.

Индексация, итерация

`DataFrame.head`([n])	Возвращает первые `n` строки.
`DataFrame.at`	Доступ к одному значению для пары метки строки/столбца.
`DataFrame.iat`	Доступ к одному значению по целочисленной позиции строки/столбца.
`DataFrame.loc`	Доступ к группе строк и столбцов по метке(ам) или булевому массиву.
`DataFrame.iloc`	Индексация, основанная исключительно на целых числах, для выбора по позиции.
`DataFrame.insert`(loc, column, value[, …])	Вставка столбца в DataFrame в указанном месте.
`DataFrame.insert`(loc, column, value[, …])	Вставка столбца в DataFrame в указанном месте.
`DataFrame.__iter__`()	Итерация по оси информации.
`DataFrame.items`()	Итератор по парам (имя столбца, Series).
`DataFrame.keys`()	Получить ось ‘информация’ (см. Индексация для получения более подробной информации).
`DataFrame.iteritems`()	Итератор по парам (имя столбца, Series).
`DataFrame.iterrows`()	Итерация по строкам DataFrame в виде пар (индекс, Series).
`DataFrame.itertuples`([index, name])	Итерация по строкам DataFrame в виде именованных кортежей, где значение индекса является первым элементом кортежа.
`DataFrame.lookup`(row_labels, col_labels)	Функция «fancy indexing» для DataFrame на основе меток.
`DataFrame.pop`(item)	Возвращает элемент и удаляет его из фрейма.
`DataFrame.tail`([n])	Возвращает последние `n` строки.
`DataFrame.xs`(key[, axis, level, drop_level])	Возвращает поперечный срез (строка(и) или столбец(ы)) из Series/DataFrame.
`DataFrame.get`(key[, default])	Получить элемент из объекта для заданного ключа (столбец DataFrame, срез Panel и т. д.).
`DataFrame.isin`(values)	Возвращает булевый DataFrame, показывающий, содержится ли каждый элемент в DataFrame в значении values.
`DataFrame.where`(cond[, other, inplace, …])	Возвращает объект той же формы, что и self, и чьи соответствующие записи взяты из self, где `cond` равно True, а в противном случае — из `other`.
`DataFrame.mask`(cond[, other, inplace, axis, …])	Возвращает объект той же формы, что и self, и чьи соответствующие записи взяты из self, где `cond` равно False, а в противном случае — из `other`.
`DataFrame.query`(expr[, inplace])	Запрос к столбцам фрейма с помощью булевого выражения.

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

Функции бинарных операторов

`DataFrame.add`(other[, axis, level, fill_value])	Сложение DataFrame и other, поэлементно (бинарная операция `add`).
`DataFrame.sub`(other[, axis, level, fill_value])	Вычитание DataFrame и other, поэлементно (бинарная операция `sub`).
`DataFrame.mul`(other[, axis, level, fill_value])	Умножение DataFrame и other, поэлементно (бинарная операция `mul`).
`DataFrame.div`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `truediv`).
`DataFrame.truediv`(other[, axis, level, …])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `truediv`).
`DataFrame.floordiv`(other[, axis, level, …])	Целочисленное деление DataFrame и other, поэлементно (бинарная операция `floordiv`).
`DataFrame.mod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other, поэлементно (бинарная операция `mod`).
`DataFrame.pow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other, поэлементно (бинарная операция `pow`).
`DataFrame.dot`(other)	Матричное умножение с объектами DataFrame или Series.
`DataFrame.radd`(other[, axis, level, fill_value])	Сложение DataFrame и other, поэлементно (бинарная операция `radd`).
`DataFrame.rsub`(other[, axis, level, fill_value])	Вычитание DataFrame и other, поэлементно (бинарная операция `rsub`).
`DataFrame.rmul`(other[, axis, level, fill_value])	Умножение DataFrame и other, поэлементно (бинарная операция `rmul`).
`DataFrame.rdiv`(other[, axis, level, fill_value])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `rtruediv`).
`DataFrame.rtruediv`(other[, axis, level, …])	Деление с плавающей точкой DataFrame и other, поэлементно (бинарная операция `rtruediv`).
`DataFrame.rfloordiv`(other[, axis, level, …])	Целочисленное деление DataFrame и other, поэлементно (бинарная операция `rfloordiv`).
`DataFrame.rmod`(other[, axis, level, fill_value])	Остаток от деления DataFrame и other, поэлементно (бинарная операция `rmod`).
`DataFrame.rpow`(other[, axis, level, fill_value])	Возведение в степень DataFrame и other, поэлементно (бинарная операция `rpow`).
`DataFrame.lt`(other[, axis, level])	Обертка для гибких методов сравнения lt
`DataFrame.gt`(other[, axis, level])	Обертка для гибких методов сравнения gt
`DataFrame.le`(other[, axis, level])	Обертка для гибких методов сравнения le
`DataFrame.ge`(other[, axis, level])	Обертка для гибких методов сравнения ge
`DataFrame.ne`(other[, axis, level])	Обертка для гибких методов сравнения ne
`DataFrame.eq`(other[, axis, level])	Обертка для гибких методов сравнения eq
`DataFrame.combine`(other, func[, fill_value, …])	Добавление двух DataFrame и не распространение значений NaN, таким образом, если для (столбец, время) в одном фрейме отсутствует значение, оно будет по умолчанию равно значению другого фрейма (которое также может быть NaN)
`DataFrame.combine_first`(other)	Объединение двух DataFrame и использование значений, не равных null, в фрейме, вызывающем метод.

Применение функций, GroupBy и окно

`DataFrame.apply`(func[, axis, broadcast, …])	Применение функции по оси DataFrame.
`DataFrame.applymap`(func)	Применение функции к DataFrame поэлементно.
`DataFrame.pipe`(func, args, *kwargs)	Применение func(self, args, *kwargs)
`DataFrame.agg`(func[, axis])	Агрегирование с использованием одной или нескольких операций по указанной оси.
`DataFrame.aggregate`(func[, axis])	Агрегирование с использованием одной или нескольких операций по указанной оси.
`DataFrame.transform`(func, args, *kwargs)	Вызов функции, создающей NDFrame с аналогичным индексом, и возврат NDFrame со значениями, преобразованными в результате выполнения этой функции.
`DataFrame.groupby`([by, axis, level, …])	Группировка series с помощью отображения (словарь или функция ключа, применение заданной функции к группе, возврат результата в виде series) или по ряду столбцов.
`DataFrame.rolling`(window[, min_periods, …])	Предоставляет вычисления скользящего окна.
`DataFrame.expanding`([min_periods, center, axis])	Предоставляет расширяющие преобразования.
`DataFrame.ewm`([com, span, halflife, alpha, …])	Предоставляет экспоненциально взвешенные функции

Вычисления/описательные статистики

`DataFrame.abs`()	Возвращает Series/DataFrame с абсолютным числовым значением каждого элемента.
`DataFrame.all`([axis, bool_only, skipna, level])	Возвращает True, если все элементы являются True, потенциально по оси.
`DataFrame.any`([axis, bool_only, skipna, level])	Возвращает True, если какой-либо элемент является True по выбранной оси.
`DataFrame.clip`([lower, upper, axis, inplace])	Обрезает значения по заданным порогам.
`DataFrame.clip_lower`(threshold[, axis, inplace])	Возвращает копию входных данных с усеченными значениями ниже порога.
`DataFrame.clip_upper`(threshold[, axis, inplace])	Возвращает копию входных данных с усеченными значениями выше заданного значения.
`DataFrame.compound`([axis, skipna, level])	Возвращает совокупный процент значений по запрошенной оси.
`DataFrame.corr`([method, min_periods])	Вычисляет парную корреляцию столбцов, исключая значения NaN/null.
`DataFrame.corrwith`(other[, axis, drop])	Вычисляет парную корреляцию между строками или столбцами двух DataFrame объектов.
`DataFrame.count`([axis, level, numeric_only])	Считает количество ненулевых ячеек для каждого столбца или строки.
`DataFrame.cov`([min_periods])	Вычисляет парную ковариацию столбцов, исключая значения NaN/null.
`DataFrame.cummax`([axis, skipna])	Возвращает кумулятивный максимум по оси DataFrame или Series.
`DataFrame.cummin`([axis, skipna])	Возвращает кумулятивный минимум по оси DataFrame или Series.
`DataFrame.cumprod`([axis, skipna])	Возвращает кумулятивное произведение по оси DataFrame или Series.
`DataFrame.cumsum`([axis, skipna])	Возвращает кумулятивную сумму по оси DataFrame или Series.
`DataFrame.describe`([percentiles, include, …])	Генерирует описательные статистические данные, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая значения `NaN`.
`DataFrame.diff`([periods, axis])	Первое дискретное различие элемента.
`DataFrame.eval`(expr[, inplace])	Вычисляет строку, описывающую операции со столбцами DataFrame.
`DataFrame.kurt`([axis, skipna, level, …])	Возвращает несмещённую эксцесс по запрошенной оси, используя определение эксцесса Фишера (эксцесс нормального распределения == 0,0).
`DataFrame.kurtosis`([axis, skipna, level, …])	Возвращает несмещённую эксцесс по запрошенной оси, используя определение эксцесса Фишера (эксцесс нормального распределения == 0,0).
`DataFrame.mad`([axis, skipna, level])	Возвращает среднее абсолютное отклонение значений по запрошенной оси.
`DataFrame.max`([axis, skipna, level, …])	Этот метод возвращает максимальное значение в объекте.
`DataFrame.mean`([axis, skipna, level, …])	Возвращает среднее значение значений по запрошенной оси.
`DataFrame.median`([axis, skipna, level, …])	Возвращает медиану значений по запрошенной оси.
`DataFrame.min`([axis, skipna, level, …])	Этот метод возвращает минимальное значение в объекте.
`DataFrame.mode`([axis, numeric_only])	Получает моду(и) каждого элемента по выбранной оси.
`DataFrame.pct_change`([periods, fill_method, …])	Процентное изменение между текущим и предыдущим элементом.
`DataFrame.prod`([axis, skipna, level, …])	Возвращает произведение значений по запрошенной оси.
`DataFrame.product`([axis, skipna, level, …])	Возвращает произведение значений по запрошенной оси.
`DataFrame.quantile`([q, axis, numeric_only, …])	Возвращает значения в заданном квантиле по запрошенной оси, как в numpy.percentile.
`DataFrame.rank`([axis, method, numeric_only, …])	Вычисление рангов числовых данных (от 1 до n) вдоль оси.
`DataFrame.round`([decimals])	Округление DataFrame до заданного числа десятичных знаков.
`DataFrame.sem`([axis, skipna, level, ddof, …])	Возвращает несмещённую стандартную ошибку среднего по запрошенной оси.
`DataFrame.skew`([axis, skipna, level, …])	Возвращает несмещённую асимметрию по запрошенной оси. Нормализовано на N-1.
`DataFrame.sum`([axis, skipna, level, …])	Возвращает сумму значений по запрошенной оси.
`DataFrame.std`([axis, skipna, level, ddof, …])	Возвращает выборочное стандартное отклонение по запрошенной оси.
`DataFrame.var`([axis, skipna, level, ddof, …])	Возвращает несмещённую дисперсию по запрошенной оси.
`DataFrame.nunique`([axis, dropna])	Возвращает Series с количеством уникальных наблюдений по запрошенной оси.

Переиндексация / Выбор / Манипуляции с метками

`DataFrame.add_prefix`(prefix)	Добавить префикс к меткам строк с помощью строки `prefix`.
`DataFrame.add_suffix`(suffix)	Добавить суффикс к меткам строк с помощью строки `suffix`.
`DataFrame.align`(other[, join, axis, level, …])	Выровнять два объекта по их осям с указанным методом объединения для каждого индекса оси.
`DataFrame.at_time`(time[, asof])	Выбрать значения в определённое время суток (например,
`DataFrame.between_time`(start_time, end_time)	Выбрать значения между определёнными часами дня (например, 9:00-9:30 утра).
`DataFrame.drop`([labels, axis, index, …])	Удалить указанные метки из строк или столбцов.
`DataFrame.drop_duplicates`([subset, keep, …])	Возвращает DataFrame с удалёнными дубликатами строк, при необходимости учитывая только определённые столбцы.
`DataFrame.duplicated`([subset, keep])	Возвращает булеву серию, обозначающую дубликаты строк, при необходимости учитывая только определённые столбцы.
`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 на основе временного смещения.
`DataFrame.head`([n])	Возвращает первые `n` строки.
`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 на основе временного смещения.
`DataFrame.reindex`([labels, index, columns, …])	Приведение DataFrame к новому индексу с опциональной логикой заполнения, размещая NA/NaN в позициях, не имеющих значения в предыдущем индексе.
`DataFrame.reindex_axis`(labels[, axis, …])	Приведение входного объекта к новому индексу с опциональной логикой заполнения, размещая NA/NaN в позициях, не имеющих значения в предыдущем индексе.
`DataFrame.reindex_like`(other[, method, …])	Возвращает объект с соответствующими индексами ко мне.
`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 метками в столбцах под именами индексов, по умолчанию 'level_0', 'level_1' и т. д.
`DataFrame.sample`([n, frac, replace, …])	Возвращает случайную выборку элементов из оси объекта.
`DataFrame.select`(crit[, axis])	(УСТАРЕЛО) Возвращает данные, соответствующие меткам оси, соответствующим критериям.
`DataFrame.set_axis`(labels[, axis, inplace])	Присвоение желаемого индекса заданной оси.
`DataFrame.set_index`(keys[, drop, append, …])	Установить индекс DataFrame (метки строк) с помощью одного или нескольких существующих столбцов.
`DataFrame.tail`([n])	Возвращает последние `n` строки.
`DataFrame.take`(indices[, axis, convert, is_copy])	Возвращает элементы в заданных позиционных индексах по оси.
`DataFrame.truncate`([before, after, axis, copy])	Обрезать Series или DataFrame до и после некоторого значения индекса.

Обработка пропущенных данных

`DataFrame.dropna`([axis, how, thresh, …])	Удалить пропущенные значения.
`DataFrame.fillna`([value, method, axis, …])	Заполнить значения NA/NaN с помощью указанного метода
`DataFrame.replace`([to_replace, value, …])	Заменить значения, указанные в `to_replace`, на `value`.
`DataFrame.interpolate`([method, axis, limit, …])	Интерполировать значения в соответствии с различными методами.

Изменение формы, сортировка, транспонирование

`DataFrame.pivot`([index, columns, values])	Возвращает преобразованную DataFrame, организованную заданными значениями индекса/столбцов.
`DataFrame.pivot_table`([values, index, …])	Создает сводную таблицу в стиле электронных таблиц как DataFrame.
`DataFrame.reorder_levels`(order[, axis])	Переупорядочивает уровни индекса, используя заданный порядок.
`DataFrame.sort_values`(by[, axis, ascending, …])	Сортирует по значениям вдоль указанной оси.
`DataFrame.sort_index`([axis, level, …])	Сортирует объект по меткам (вдоль оси).
`DataFrame.nlargest`(n, columns[, keep])	Возвращает первые `n` строк, отсортированных по `columns` в порядке убывания.
`DataFrame.nsmallest`(n, columns[, keep])	Возвращает строки DataFrame, отсортированные по `n` наименьшим значениям `columns` .
`DataFrame.swaplevel`([i, j, axis])	Меняет местами уровни i и j в MultiIndex на определенной оси.
`DataFrame.stack`([level, dropna])	Укладывает указанный(ые) уровень(и) из столбцов в индекс.
`DataFrame.unstack`([level, fill_value])	Поворачивает уровень (необходимо иерархический) меток индекса, возвращая DataFrame с новым уровнем меток столбцов, внутренний уровень которых состоит из повернутых меток индекса.
`DataFrame.swapaxes`(axis1, axis2[, copy])	Меняет местами оси и соответствующим образом меняет местами значения осей.
`DataFrame.melt`([id_vars, value_vars, …])	Преобразует DataFrame из широкого формата в длинный формат, необязательно оставляя переменные идентификатора.
`DataFrame.squeeze`([axis])	Сжимает размерность 1.
`DataFrame.to_panel`()	(УСТЕРЕЖЕН) Преобразует длинный (стекированный) формат (DataFrame) в широкий (3D, Panel) формат.
`DataFrame.to_xarray`()	Возвращает объект xarray из объекта pandas.
`DataFrame.T`	Транспонирует индекс и столбцы.
`DataFrame.transpose`(args, *kwargs)	Транспонирует индекс и столбцы.

Объединение/соединение/слияние

`DataFrame.append`(other[, ignore_index, …])	Добавляет строки `other` в конец этого фрейма, возвращая новый объект.
`DataFrame.assign`(**kwargs)	Назначает новые столбцы DataFrame, возвращая новый объект (копию) с добавленными новыми столбцами к исходным.
`DataFrame.join`(other[, on, how, lsuffix, …])	Объединяет столбцы с другим DataFrame по индексу или по столбцу ключа.
`DataFrame.merge`(right[, how, on, left_on, …])	Объединяет объекты DataFrame, выполняя операцию соединения в стиле базы данных по столбцам или индексам.
`DataFrame.update`(other[, join, overwrite, …])	Изменяет на месте, используя значения без NaN из другого DataFrame.

Связанные с временными рядами

`DataFrame.asfreq`(freq[, method, how, …])	Преобразует временной ряд в заданную частоту.
`DataFrame.asof`(where[, subset])	Берется последняя строка без NaN (или последняя строка без NaN, учитывая только подмножество столбцов в случае DataFrame).
`DataFrame.shift`([periods, freq, axis])	Сдвигает индекс на нужное количество периодов с необязательной частотой времени.
`DataFrame.slice_shift`([periods, axis])	Эквивалентно `shift` без копирования данных.
`DataFrame.tshift`([periods, freq, axis])	Сдвигает временной индекс, используя частоту индекса, если она доступна.
`DataFrame.first_valid_index`()	Возвращает индекс для первого ненулевого значения.
`DataFrame.last_valid_index`()	Возвращает индекс для последнего ненулевого значения.
`DataFrame.resample`(rule[, how, axis, …])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`DataFrame.to_period`([freq, axis, copy])	Преобразует DataFrame из DatetimeIndex в PeriodIndex с желаемой частотой (если не указана, выводится из индекса).
`DataFrame.to_timestamp`([freq, how, axis, copy])	Преобразует в DatetimeIndex временных меток, в начале периода.
`DataFrame.tz_convert`(tz[, axis, level, copy])	Преобразует ось с учетом часовых поясов в целевой часовой пояс.
`DataFrame.tz_localize`(tz[, axis, level, …])	Локализует временной ряд без часового пояса в целевой часовой пояс.

Графики

DataFrame.plot — это вызываемый метод и атрибут пространства имен для определённых методов построения графиков в формате DataFrame.plot.<kind>.

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

`DataFrame.plot.area`([x, y])	Диаграмма области
`DataFrame.plot.bar`([x, y])	Вертикальная столбчатая диаграмма.
`DataFrame.plot.barh`([x, y])	Построение горизонтальной столбчатой диаграммы.
`DataFrame.plot.box`([by])	Построение диаграммы размаха для столбцов DataFrame.
`DataFrame.plot.density`([bw_method, ind])	Генерация диаграммы оценки плотности ядра с использованием гауссовых ядер.
`DataFrame.plot.hexbin`(x, y[, C, …])	Генерация диаграммы гексагонального разбиения.
`DataFrame.plot.hist`([by, bins])	Построение гистограммы столбцов DataFrame.
`DataFrame.plot.kde`([bw_method, ind])	Генерация диаграммы оценки плотности ядра с использованием гауссовых ядер.
`DataFrame.plot.line`([x, y])	Построение линий столбцов DataFrame.
`DataFrame.plot.pie`([y])	Генерация круговой диаграммы.
`DataFrame.plot.scatter`(x, y[, s, c])	Построение диаграммы рассеяния с различным размером и цветом маркеров.

`DataFrame.boxplot`([column, by, ax, …])	Построение диаграммы размаха из столбцов DataFrame.
`DataFrame.hist`([column, by, grid, …])	Построение гистограммы столбцов DataFrame.

Сериализация / Ввод/Вывод / Преобразование

`DataFrame.from_csv`(path[, header, sep, …])	(УСТЕРЕЖЕН) Чтение CSV-файла.
`DataFrame.from_dict`(data[, orient, dtype, …])	Построение DataFrame из словаря массивоподобных объектов или словарей.
`DataFrame.from_items`(items[, columns, orient])	(УСТЕРЕЖЕН) Построение DataFrame из списка кортежей
`DataFrame.from_records`(data[, index, …])	Преобразование структурированного или массива записей в DataFrame
`DataFrame.info`([verbose, buf, max_cols, …])	Вывести краткую сводку DataFrame.
`DataFrame.to_parquet`(fname[, engine, …])	Запись DataFrame в двоичный формат parquet.
`DataFrame.to_pickle`(path[, compression, …])	Сериализация объекта в файл с помощью Pickle.
`DataFrame.to_csv`([path_or_buf, sep, na_rep, …])	Запись DataFrame в CSV-файл
`DataFrame.to_hdf`(path_or_buf, key, **kwargs)	Запись данных в HDF5-файл с использованием HDFStore.
`DataFrame.to_sql`(name, con[, schema, …])	Запись записей из 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 в двоичный формат feather для DataFrames
`DataFrame.to_latex`([buf, columns, …])	Отображение объекта в таблицу окружения LaTeX.
`DataFrame.to_stata`(fname[, convert_dates, …])	Экспорт файлов Stata binary dta.
`DataFrame.to_msgpack`([path_or_buf, encoding])	msgpack (сериализация) объекта в файл
`DataFrame.to_gbq`(destination_table, project_id)	Запись DataFrame в таблицу Google BigQuery.
`DataFrame.to_records`([index, convert_datetime64])	Преобразование DataFrame в массив NumPy записей.
`DataFrame.to_sparse`([fill_value, kind])	Преобразование в SparseDataFrame
`DataFrame.to_dense`()	Возврат плотной (в отличие от разреженной) версии NDFrame
`DataFrame.to_string`([buf, columns, …])	Отображение DataFrame в удобочитаемом виде.
`DataFrame.to_clipboard`([excel, sep])	Копирование объекта в буфер обмена.
`DataFrame.style`	Свойство, возвращающее объект Styler, содержащий методы для построения стилизованного HTML-представления DataFrame.

Разреженные данные

SparseDataFrame.to_coo() Возврат содержимого кадра в виде разреженной матрицы SciPy COO.

Panel

Конструктор

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

Атрибуты и 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`	Возвращает Numpy-представление DataFrame.
`Panel.axes`	Возвращает метки индексов внутреннего NDFrame
`Panel.ndim`	Возвращает целое число, представляющее количество осей/размерностей массива.
`Panel.size`	Возвращает целое число, представляющее количество элементов в этом объекте.
`Panel.shape`	Возвращает кортеж размеров осей.
`Panel.dtypes`	Возвращает типы данных в DataFrame.
`Panel.ftypes`	Возвращает ftypes (указание разреженности/плотности и типа данных) в DataFrame.
`Panel.get_dtype_counts`()	Возвращает количество уникальных типов данных в этом объекте.
`Panel.get_ftype_counts`()	(УСТЕРЕЖЕННО) Возвращает количество уникальных ftypes в этом объекте.

Преобразование

`Panel.astype`(dtype[, copy, errors])	Преобразует объект pandas в указанный тип данных `dtype`.
`Panel.copy`([deep])	Создаёт копию индексов и данных этого объекта.
`Panel.isna`()	Обнаружение пропущенных значений.
`Panel.notna`()	Обнаружение существующих (не пропущенных) значений.

Получение и установка

`Panel.get_value`(args, *kwargs)	(УСТЕРЕЖЕННО) Быстрое получение единственного значения по расположению (элемент, главный, дополнительный)
`Panel.set_value`(args, *kwargs)	(УСТЕРЕЖЕННО) Быстрое присвоение единственного значения по расположению (элемент, главный, дополнительный)

Индексирование, итерирование, срезы

`Panel.at`	Доступ к одиночному значению для пары меток строки/столбца.
`Panel.iat`	Доступ к одиночному значению по целочисленной позиции строки/столбца.
`Panel.loc`	Доступ к группе строк и столбцов по меткам или булевому массиву.
`Panel.iloc`	Чисто целочисленная индексация для выбора по позиции.
`Panel.__iter__`()	Итерирование по оси инфо.
`Panel.iteritems`()	Итерирование по (метке, значениям) на оси инфо.
`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 главной оси.
`Panel.minor_xs`(key)	Возвращает срез панели по дополнительной оси.

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

Бинарные операторные функции

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

Применение функций, GroupBy

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

Вычисления/Дескриптивные статистики

`Panel.abs`()	Возвращает Series/DataFrame со значением абсолютной величины каждого элемента.
`Panel.clip`([lower, upper, axis, inplace])	Обрезает значения по входному порогу(ам).
`Panel.clip_lower`(threshold[, axis, inplace])	Возвращает копию входных данных с усечёнными значениями ниже порога.
`Panel.clip_upper`(threshold[, axis, inplace])	Возвращает копию входных данных с усечёнными значениями выше заданного значения(й).
`Panel.count`([axis])	Возвращает число наблюдений по запрошенной оси.
`Panel.cummax`([axis, skipna])	Возвращает накопительный максимум по оси DataFrame или Series.
`Panel.cummin`([axis, skipna])	Возвращает накопительный минимум по оси DataFrame или Series.
`Panel.cumprod`([axis, skipna])	Возвращает накопительное произведение по оси DataFrame или Series.
`Panel.cumsum`([axis, skipna])	Возвращает накопительную сумму по оси DataFrame или Series.
`Panel.max`([axis, skipna, level, numeric_only])	Этот метод возвращает максимальное значение в объекте.
`Panel.mean`([axis, skipna, level, numeric_only])	Возвращает среднее значение для запрошенной оси.
`Panel.median`([axis, skipna, level, numeric_only])	Возвращает медиану значений для запрошенной оси.
`Panel.min`([axis, skipna, level, numeric_only])	Этот метод возвращает минимальное значение в объекте.
`Panel.pct_change`([periods, fill_method, …])	Процентное изменение между текущим и предыдущим элементом.
`Panel.prod`([axis, skipna, level, …])	Возвращает произведение значений для запрошенной оси.
`Panel.sem`([axis, skipna, level, ddof, …])	Возвращает несмещённую стандартную ошибку среднего по запрошенной оси.
`Panel.skew`([axis, skipna, level, numeric_only])	Возвращает несмещённый коэффициент асимметрии по запрошенной оси. Нормализован по N-1.
`Panel.sum`([axis, skipna, level, …])	Возвращает сумму значений для запрошенной оси.
`Panel.std`([axis, skipna, level, ddof, …])	Возвращает выборочное стандартное отклонение по запрошенной оси.
`Panel.var`([axis, skipna, level, ddof, …])	Возвращает несмещённую дисперсию по запрошенной оси.

Переиндексация/Выбор/Работа с метками

`Panel.add_prefix`(prefix)	Добавить префикс к меткам с помощью строки `prefix`.
`Panel.add_suffix`(suffix)	Добавить суффикс к меткам с помощью строки `suffix`.
`Panel.drop`([labels, axis, index, columns, …])
`Panel.equals`(other)	Определяет, содержат ли два объекта NDFrame одинаковые элементы.
`Panel.filter`([items, like, regex, axis])	Подмножество строк или столбцов датафрейма в соответствии с метками в указанном индексе.
`Panel.first`(offset)	Удобный метод для подмножества начальных периодов временных данных на основе временного смещения.
`Panel.last`(offset)	Удобный метод для подмножества конечных периодов временных данных на основе временного смещения.
`Panel.reindex`(args, *kwargs)	Приведение Panel к новому индексу с необязательной логикой заполнения, размещение NA/NaN в местах, где в предыдущем индексе нет значения.
`Panel.reindex_axis`(labels[, axis, method, …])	Приведение входного объекта к новому индексу с необязательной логикой заполнения, размещение NA/NaN в местах, где в предыдущем индексе нет значения.
`Panel.reindex_like`(other[, method, copy, …])	Возвращает объект с соответствующими индексами, соответствующими мне.
`Panel.rename`([items, major_axis, minor_axis])	Изменение входной функции или функций осей.
`Panel.sample`([n, frac, replace, weights, …])	Возвращает случайную выборку элементов из оси объекта.
`Panel.select`(crit[, axis])	(УСТАРЕВШИЙ) Возвращает данные, соответствующие меткам осей, соответствующим критериям
`Panel.take`(indices[, axis, convert, is_copy])	Возвращает элементы в заданных позиционных индексах вдоль оси.
`Panel.truncate`([before, after, axis, copy])	Усечение Series или DataFrame до и после некоторого значения индекса.

Обработка пропущенных данных

Panel.dropna([axis, how, inplace]) Удаление 2D из панели, удерживая постоянной переданную ось

Переформатирование, сортировка, транспонирование

`Panel.sort_index`([axis, level, ascending, …])	Сортировка объекта по меткам (по оси)
`Panel.swaplevel`([i, j, axis])	Перестановка уровней i и j в MultiIndex на определенной оси
`Panel.transpose`(args, *kwargs)	Перестановка измерений Panel
`Panel.swapaxes`(axis1, axis2[, copy])	Перестановка осей и соответствующий обмен значениями осей
`Panel.conform`(frame[, axis])	Приведение входного DataFrame для выравнивания с выбранной парой осей.

Объединение/соединение/слияние

`Panel.join`(other[, how, lsuffix, rsuffix])	Объединение элементов с другой панелью по столбцам осей «major» и «minor»
`Panel.update`(other[, join, overwrite, …])	Изменение Panel на месте с использованием значений, отличных от NaN, из переданной панели или объекта, преобразуемого в Panel.

Связанные с временными рядами

`Panel.asfreq`(freq[, method, how, normalize, …])	Преобразование TimeSeries в указанную частоту.
`Panel.shift`([periods, freq, axis])	Смещение индекса на нужное количество периодов с необязательной временной частотой.
`Panel.resample`(rule[, how, axis, …])	Удобный метод для преобразования частоты и ресемплирования временных рядов.
`Panel.tz_convert`(tz[, axis, level, copy])	Преобразование оси сознательной с часовым поясом в целевой часовой пояс.
`Panel.tz_localize`(tz[, axis, level, copy, …])	Локализация TimeSeries без часового пояса в целевой часовой пояс.

Сериализация/Ввод/вывод/Преобразование

`Panel.from_dict`(data[, intersect, orient, dtype])	Создание Panel из словаря объектов DataFrame
`Panel.to_pickle`(path[, compression, protocol])	Запись объекта в файл с помощью pickle (сериализация).
`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 вызывайте этот метод, так как сжатие не поддерживается для объектов Panel и приведет к ошибке.
`Panel.to_frame`([filter_observations])	Преобразование широкого формата в длинный (стекированный) формат в виде DataFrame, столбцы которого являются элементами Panel, а индекс — это MultiIndex, образованный основными и дополнительными осями Panel.
`Panel.to_clipboard`([excel, sep])	Скопировать объект в буфер обмена системы.

Индекс

Многие из этих методов или их варианты доступны в объектах, содержащих индекс (Series/DataFrame), и их следует использовать в первую очередь, прежде чем вызывать эти методы непосредственно.

Index Неизменяемый массив ndarray, реализующий упорядоченное, нарезной множество.

Атрибуты

`Index.values`	возвращает основанные данные как массив ndarray
`Index.is_monotonic`	псевдоним для is_monotonic_increasing (устарело)
`Index.is_monotonic_increasing`	возвращает, если индекс монотонно возрастает (только равные или возрастающие значения).
`Index.is_monotonic_decreasing`	возвращает, если индекс монотонно убывает (только равные или убывающие значения).
`Index.is_unique`	возвращает, если индекс имеет уникальные значения
`Index.has_duplicates`
`Index.hasnans`	возвращает, если у меня есть значения NaN; позволяет ускорить различные операции
`Index.dtype`	возвращает объект dtype базовых данных
`Index.dtype_str`	возвращает строковое представление dtype базовых данных
`Index.inferred_type`	возвращает строку типа, определенного по значениям
`Index.is_all_dates`
`Index.shape`	возвращает кортеж формы базовых данных
`Index.name`
`Index.names`
`Index.nbytes`	возвращает количество байт в базовых данных
`Index.ndim`	возвращает количество измерений базовых данных, по определению 1
`Index.size`	возвращает количество элементов в базовых данных
`Index.empty`
`Index.strides`	возвращает шаги базовых данных
`Index.itemsize`	возвращает размер dtype элемента базовых данных
`Index.base`	возвращает базовый объект, если память базовых данных совмещена
`Index.T`	возвращает транспонирование, которое по определению равно self
`Index.memory_usage`([deep])	Использование памяти значениями

Изменение и вычисления

`Index.all`(args, *kwargs)	Возвращает True, если все элементы равны True.
`Index.any`(args, *kwargs)	Возвращает True, если хотя бы один элемент равен True.
`Index.argmin`([axis])	возвращает массив индексов минимальных значений
`Index.argmax`([axis])	возвращает массив индексов максимальных значений
`Index.copy`([name, deep, dtype])	Создает копию этого объекта.
`Index.delete`(loc)	Создает новый Index с удаленными элементами по указанным индексам.
`Index.drop`(labels[, errors])	Создает новый Index с удаленными элементами из указанного списка.
`Index.drop_duplicates`([keep])	Возвращает Index с удаленными дублирующимися значениями.
`Index.duplicated`([keep])	Указывает дубликаты в индексе.
`Index.equals`(other)	Определяет, содержат ли два объекта Index одни и те же элементы.
`Index.factorize`([sort, na_sentinel])	Кодирует объект как перечисленный тип или категориальную переменную.
`Index.identical`(other)	Аналогично equals, но проверяет, что и другие сравнимые атрибуты также равны
`Index.insert`(loc, item)	Создает новый Index с вставленным новым элементом в указанную позицию.
`Index.is_`(other)	Более гибкая, более быстрая проверка, аналогичная `is`, но работающая через представления.
`Index.is_boolean`()
`Index.is_categorical`()	Проверяет, содержит ли Index категориальные данные.
`Index.is_floating`()
`Index.is_integer`()
`Index.is_interval`()
`Index.is_lexsorted_for_tuple`(tup)
`Index.is_mixed`()
`Index.is_numeric`()
`Index.is_object`()
`Index.min`()	Возвращает минимальное значение в индексе.
`Index.max`()	Возвращает максимальное значение в индексе.
`Index.reindex`(target[, method, level, …])	Создает индекс со значениями целевого объекта (перемещает/добавляет/удаляет значения при необходимости)
`Index.rename`(name[, inplace])	Устанавливает новые имена для индекса.
`Index.repeat`(repeats, args, *kwargs)	Повторяет элементы индекса.
`Index.where`(cond[, other])	Новый в версии 0.19.0.
`Index.take`(indices[, axis, allow_fill, …])	возвращает новый индекс выбранных значений по индексам
`Index.putmask`(mask, value)	возвращает новый индекс с установленными значениями с помощью маски
`Index.set_names`(names[, level, inplace])	Устанавливает новые имена для индекса.
`Index.unique`([level])	Возвращает уникальные значения в индексе.
`Index.nunique`([dropna])	Возвращает количество уникальных элементов в объекте.
`Index.value_counts`([normalize, sort, …])	Возвращает объект, содержащий подсчеты уникальных значений.

Пропущенные значения

`Index.fillna`([value, downcast])	Заполняет пропущенные значения (NaN) заданным значением.
`Index.dropna`([how])	Возвращает Index без пропущенных значений (NaN).
`Index.isna`()	Обнаруживает пропущенные значения.
`Index.notna`()	Обнаруживает существующие (не пропущенные) значения.

Преобразование

`Index.astype`(dtype[, copy])	Создает Index со значениями, преобразованными к типу данных dtype.
`Index.item`()	возвращает первый элемент базовых данных как скаляр Python
`Index.map`(mapper[, na_action])	Применяет отображение к значениям используя соответствие (словарь, Series или функция).
`Index.ravel`([order])	возвращает одномерный массив из сплющенных значений базовых данных
`Index.tolist`()	Возвращает список значений.
`Index.to_native_types`([slicer])	Форматирует указанные значения из `self` и возвращает их.
`Index.to_series`([index, name])	Создает Series с индексом и значениями, равными ключам индекса, полезно с map для возврата индексатора на основе индекса
`Index.to_frame`([index])	Создает DataFrame со столбцом, содержащим индекс.
`Index.view`([cls])

Сортировка

`Index.argsort`(args, *kwargs)	Возвращает целочисленные индексы, которые бы отсортировали индекс.
`Index.searchsorted`(value[, side, sorter])	Находит индексы, куда нужно вставить элементы, чтобы сохранить порядок.
`Index.sort_values`([return_indexer, ascending])	Возвращает отсортированную копию индекса.

Операции, специфичные для времени

Index.shift([periods, freq]) Смещает индекс на заданное количество приращений временной частоты.

Объединение / объединение / операции над множествами

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

Выбор

`Index.asof`(label)	Для отсортированного индекса возвращает самый последний метку до и включая переданную метку.
`Index.asof_locs`(where, mask)	where : массив временных меток mask : массив булевых значений, где данные не NA
`Index.contains`(key)	возвращает булево значение, если эта метка В индексе
`Index.get_duplicates`()	(УСТАРЕВШЕЕ) Извлечение дублирующих элементов индекса.
`Index.get_indexer`(target[, method, limit, …])	Вычисляет индексатор и маску для нового индекса, учитывая текущий индекс.
`Index.get_indexer_for`(target, **kwargs)	гарантированное возвращение индексатора даже при отсутствии уникальности Это переадресовывает вызов get_indexer или get_indexer_nonunique, как соответствующее
`Index.get_indexer_non_unique`(target)	Вычисляет индексатор и маску для нового индекса, учитывая текущий индекс.
`Index.get_level_values`(level)	Возвращает Index значений для запрошенного уровня, равный длине индекса.
`Index.get_loc`(key[, method, tolerance])	Получение целочисленной позиции, среза или булевой маски для запрошенной метки.
`Index.get_slice_bound`(label, side, kind)	Вычисление границы среза, соответствующей заданной метке.
`Index.get_value`(series, key)	Быстрый поиск значения из одномерного массива ndarray.
`Index.get_values`()	Возвращает данные `Index` в виде `numpy.ndarray`.
`Index.set_value`(arr, key, value)	Быстрый поиск значения из одномерного массива ndarray.
`Index.isin`(values[, level])	Возвращает булевый массив, где значения индекса присутствуют в `values`.
`Index.slice_indexer`([start, end, step, kind])	Для упорядоченного или уникального индекса вычисляется индексатор среза для входных меток и шага.
`Index.slice_locs`([start, end, step, kind])	Вычисление местоположений среза для входных меток.

Числовой индекс

`RangeIndex`	Неизменяемый индекс, реализующий монотонный целочисленный диапазон.
`Int64Index`	Неизменяемый массив ndarray, реализующий упорядоченное, разделяемое множество.
`UInt64Index`	Неизменяемый массив ndarray, реализующий упорядоченное, разделяемое множество.
`Float64Index`	Неизменяемый массив ndarray, реализующий упорядоченное, разделяемое множество.

RangeIndex.from_range(data[, name, dtype]) создание RangeIndex из диапазона (py3) или xrange (py2) объекта

Индекс категорий

CategoricalIndex Неизменяемый индекс, реализующий упорядоченное, разделяемое множество.

Компоненты категорий

`CategoricalIndex.codes`
`CategoricalIndex.categories`
`CategoricalIndex.ordered`
`CategoricalIndex.rename_categories`(*args, …)	Переименовывает категории.
`CategoricalIndex.reorder_categories`(*args, …)	Переупорядочивает категории в соответствии с new_categories.
`CategoricalIndex.add_categories`(args, *kwargs)	Добавляет новые категории.
`CategoricalIndex.remove_categories`(*args, …)	Удаляет указанные категории.
`CategoricalIndex.remove_unused_categories`(…)	Удаляет неиспользуемые категории.
`CategoricalIndex.set_categories`(args, *kwargs)	Устанавливает категории на указанные new_categories.
`CategoricalIndex.as_ordered`(args, *kwargs)	Устанавливает категориальный тип в упорядоченный.
`CategoricalIndex.as_unordered`(args, *kwargs)	Устанавливает категориальный тип в неупорядоченный.
`CategoricalIndex.map`(mapper)	Применяет отображение к значениям используя соответствие (словарь, Series или функция).

IntervalIndex

IntervalIndex Неизменяемый индекс, реализующий упорядоченное, нарезное множество.

IntervalIndex Components

`IntervalIndex.from_arrays`(left, right[, …])	Создаёт из двух массивов, определяющих левые и правые границы.
`IntervalIndex.from_tuples`(data[, closed, …])	Создаёт IntervalIndex из списка/массива кортежей.
`IntervalIndex.from_breaks`(breaks[, closed, …])	Создаёт IntervalIndex из массива разрывов.
`IntervalIndex.contains`(key)	Возвращает булево значение, указывающее, содержится ли ключ в индексе.
`IntervalIndex.left`	Возвращает левые точки каждого интервала в IntervalIndex как Index.
`IntervalIndex.right`	Возвращает правые точки каждого интервала в IntervalIndex как Index.
`IntervalIndex.mid`	Возвращает середину каждого интервала в IntervalIndex как Index.
`IntervalIndex.closed`	Закрытые интервалы по левой, правой стороне, обеим сторонам или ни по одной из сторон.
`IntervalIndex.length`	Возвращает Index со значениями, обозначающими длину каждого интервала в IntervalIndex.
`IntervalIndex.values`	Возвращает данные IntervalIndex как массив numpy объектов Interval (с типом ‘object’).
`IntervalIndex.is_non_overlapping_monotonic`	Возвращает True, если IntervalIndex не перекрывается (интервалы не имеют общих точек) и либо монотонно возрастающий, либо монотонно убывающий, иначе False.
`IntervalIndex.get_loc`(key[, method])	Получить целочисленную позицию, срез или булеву маску для запрошенного метки.
`IntervalIndex.get_indexer`(target[, method, …])	Вычислить индексатор и маску для нового индекса, учитывая текущий индекс.

Многоуровневый индекс

MultiIndex Объект многоуровневого, или иерархического, индекса для объектов pandas.

IndexSlice Создать объект для более удобного выполнения срезов с многоуровневым индексом.

Конструкторы MultiIndex

`MultiIndex.from_arrays`(arrays[, sortorder, …])	Преобразование массивов в MultiIndex.
`MultiIndex.from_tuples`(tuples[, sortorder, …])	Преобразование списка кортежей в MultiIndex.
`MultiIndex.from_product`(iterables[, …])	Создание MultiIndex из декартова произведения нескольких итерируемых объектов.

Атрибуты MultiIndex

`MultiIndex.names`	Имена уровней в MultiIndex.
`MultiIndex.levels`
`MultiIndex.labels`
`MultiIndex.nlevels`	Число уровней в MultiIndex.
`MultiIndex.levshape`	Кортеж с длиной каждого уровня.

Компоненты MultiIndex

`MultiIndex.set_levels`(levels[, level, …])	Установить новые уровни в MultiIndex.
`MultiIndex.set_labels`(labels[, level, …])	Установить новые метки в MultiIndex.
`MultiIndex.to_hierarchical`(n_repeat[, n_shuffle])	Возвращает MultiIndex, преобразованный для соответствия форматам, заданным n_repeat и n_shuffle.
`MultiIndex.to_frame`([index])	Создаёт DataFrame с уровнями MultiIndex в качестве столбцов.
`MultiIndex.is_lexsorted`()	Возвращает True, если метки отсортированы лексикографически.
`MultiIndex.sortlevel`([level, ascending, …])	Сортирует MultiIndex на указанном уровне.
`MultiIndex.droplevel`([level])	Возвращает индекс с удалённым уровнем.
`MultiIndex.swaplevel`([i, j])	Меняет местами уровни i и j.
`MultiIndex.reorder_levels`(order)	Переупорядочивает уровни в соответствии с заданным порядком.
`MultiIndex.remove_unused_levels`()	Создаёт новый MultiIndex из текущего, удаляя неиспользуемые уровни, то есть те, которые не представлены в метках.
`MultiIndex.unique`([level])	Возвращает уникальные значения в индексе.

Выбор элементов в MultiIndex

`MultiIndex.get_loc`(key[, method])	Получить позицию метки или кортежа меток как целое число, срез или булеву маску.
`MultiIndex.get_indexer`(target[, method, …])	Вычислить индексатор и маску для нового индекса на основе текущего.
`MultiIndex.get_level_values`(level)	Возвращает вектор значений меток для запрошенного уровня, равный длине индекса.

DatetimeIndex

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

Компоненты времени и даты

`DatetimeIndex.year`	Год даты и времени.
`DatetimeIndex.month`	Месяц, где январь=1, декабрь=12.
`DatetimeIndex.day`	День даты и времени.
`DatetimeIndex.hour`	Часы даты и времени.
`DatetimeIndex.minute`	Минуты даты и времени.
`DatetimeIndex.second`	Секунды даты и времени.
`DatetimeIndex.microsecond`	Микросекунды даты и времени.
`DatetimeIndex.nanosecond`	Наносекунды даты и времени.
`DatetimeIndex.date`	Возвращает массив numpy объектов python datetime.date (т.е., часть даты в Timestamp без часового пояса).
`DatetimeIndex.time`	Возвращает массив numpy объектов datetime.time.
`DatetimeIndex.dayofyear`	Порядковый день года.
`DatetimeIndex.weekofyear`	Порядковый номер недели года.
`DatetimeIndex.week`	Порядковый номер недели года.
`DatetimeIndex.dayofweek`	День недели, где понедельник=0, воскресенье=6.
`DatetimeIndex.weekday`	День недели, где понедельник=0, воскресенье=6.
`DatetimeIndex.quarter`	Квартал года.
`DatetimeIndex.tz`
`DatetimeIndex.freq`	Возвращает объект частоты, если он установлен, иначе None.
`DatetimeIndex.freqstr`	Возвращает строковое представление объекта частоты, если он установлен, иначе None.
`DatetimeIndex.is_month_start`	Логическое значение, указывающее, является ли день первым днём месяца (определяется частотой).
`DatetimeIndex.is_month_end`	Указатель, является ли дата последним днём месяца.
`DatetimeIndex.is_quarter_start`	Указатель, является ли дата первым днём квартала.
`DatetimeIndex.is_quarter_end`	Указатель, является ли дата последним днём квартала.
`DatetimeIndex.is_year_start`	Указатель, является ли дата первым днём года.
`DatetimeIndex.is_year_end`	Указатель, является ли дата последним днём года.
`DatetimeIndex.is_leap_year`	Булево значение, указывающее, является ли дата високосным годом.
`DatetimeIndex.inferred_freq`	Попытка возвращения строки, представляющей предположение о частоте, сгенерированное функцией infer_freq.

Выбор элементов

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

Операции, связанные со временем

`DatetimeIndex.normalize`()	Преобразовать время в полночь.
`DatetimeIndex.strftime`(date_format)	Преобразовать в индекс с использованием указанного формата даты.
`DatetimeIndex.snap`([freq])	Привязать временные метки к ближайшей частоте.
`DatetimeIndex.tz_convert`(tz)	Преобразовать DatetimeIndex с часовым поясом из одного часового пояса в другой.
`DatetimeIndex.tz_localize`(tz[, ambiguous, …])	Локализовать tz-неявный DatetimeIndex в tz-явный DatetimeIndex.
`DatetimeIndex.round`(freq, args, *kwargs)	Округлить данные до указанной `freq`.
`DatetimeIndex.floor`(freq)	Опустить данные до указанной `freq`.
`DatetimeIndex.ceil`(freq)	Возвести данные до указанной `freq`.
`DatetimeIndex.month_name`([locale])	Возвращает имена месяцев DateTimeIndex с указанным locale.
`DatetimeIndex.day_name`([locale])	Возвращает имена дней недели DateTimeIndex с указанным locale.

Преобразование

`DatetimeIndex.to_period`([freq])	Преобразовать в PeriodIndex с определенной частотой.
`DatetimeIndex.to_perioddelta`(freq)	Вычислить TimedeltaIndex разницы между значениями индекса и индексом, преобразованным в PeriodIndex с указанной частотой.
`DatetimeIndex.to_pydatetime`()	Возвращает DatetimeIndex как массив объектов datetime.datetime.
`DatetimeIndex.to_series`([keep_tz, index, name])	Создаёт Series с индексом и значениями, равными ключам индекса, полезно с map для возврата индексатора на основе индекса.
`DatetimeIndex.to_frame`([index])	Создать DataFrame со столбцом, содержащим индекс.

TimedeltaIndex

TimedeltaIndex Неизменяемый массив ndarray данных timedelta64, представленный внутри как int64, который можно упаковать в объекты timedelta.

Компоненты

`TimedeltaIndex.days`	Количество дней для каждого элемента.
`TimedeltaIndex.seconds`	Количество секунд (>= 0 и меньше 1 дня) для каждого элемента.
`TimedeltaIndex.microseconds`	Количество микросекунд (>= 0 и меньше 1 секунды) для каждого элемента.
`TimedeltaIndex.nanoseconds`	Количество наносекунд (>= 0 и меньше 1 микросекунды) для каждого элемента.
`TimedeltaIndex.components`	Возвращает dataframe компонентов (дни, часы, минуты, секунды, миллисекунды, микросекунды, наносекунды) Timedeltas.
`TimedeltaIndex.inferred_freq`	Пытается вернуть строку, представляющую предположение о частоте, сгенерированную с помощью infer_freq.

Преобразование

`TimedeltaIndex.to_pytimedelta`()	Возвращает TimedeltaIndex как объект ndarray datetime.timedelta.
`TimedeltaIndex.to_series`([index, name])	Создаёт Series с индексом и значениями, равными ключам индекса, полезно с map для возврата индексатора на основе индекса.
`TimedeltaIndex.round`(freq, args, *kwargs)	Округлить данные до указанной `freq`.
`TimedeltaIndex.floor`(freq)	Опустить данные до указанной `freq`.
`TimedeltaIndex.ceil`(freq)	Возвести данные до указанной `freq`.
`TimedeltaIndex.to_frame`([index])	Создать DataFrame со столбцом, содержащим индекс.

PeriodIndex

PeriodIndex Неизменяемый ndarray, содержащий порядковые значения, указывающие на регулярные периоды во времени, такие как определённые 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`	Возвращает объект частоты, если он задан, иначе None
`PeriodIndex.freqstr`	Возвращает объект частоты как строку, если он задан, иначе None
`PeriodIndex.hour`	Час периода
`PeriodIndex.is_leap_year`	Логическое значение, указывающее, является ли год високосным
`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 года
`PeriodIndex.weekday`	День недели, понедельник=0, воскресенье=6
`PeriodIndex.weekofyear`	Порядковый номер недели года
`PeriodIndex.year`	Год периода

Методы

`PeriodIndex.asfreq`([freq, how])	Преобразование PeriodIndex к указанной частоте `freq`.
`PeriodIndex.strftime`(date_format)	Преобразование в индекс с использованием указанного date_format.
`PeriodIndex.to_timestamp`([freq, how])	Преобразование в DatetimeIndex
`PeriodIndex.tz_convert`(tz)	Преобразование часового пояса tz-aware DatetimeIndex из одного часового пояса в другой (с использованием pytz/dateutil)
`PeriodIndex.tz_localize`(tz[, ambiguous])	Локализация tz-naive DatetimeIndex в заданном часовом поясе (с использованием pytz/dateutil) или удаление часового пояса из tz-aware DatetimeIndex

Скаляры

Период

Period Представляет период времени

Атрибуты

`Period.day`	Получение дня месяца, на который выпадает период.
`Period.dayofweek`	Возвращает день недели.
`Period.dayofyear`	Возвращает порядковый номер дня года.
`Period.days_in_month`	Получение общего числа дней в месяце, на который выпадает этот период.
`Period.daysinmonth`	Получение общего числа дней в месяце, на который выпадает период.
`Period.end_time`
`Period.freq`
`Period.freqstr`
`Period.hour`	Получение компоненты часа дня периода.
`Period.is_leap_year`
`Period.minute`	Получение компоненты минуты часа периода.
`Period.month`
`Period.ordinal`
`Period.quarter`
`Period.qyear`
`Period.second`	Получение компоненты секунды периода.
`Period.start_time`	Получение Timestamp для начала периода.
`Period.week`	Получение недели года для данного периода.
`Period.weekday`
`Period.weekofyear`
`Period.year`

Методы

`Period.asfreq`	Преобразование периода к желаемой частоте, либо в начале, либо в конце интервала
`Period.now`
`Period.strftime`	Возвращает строковое представление `Period`, в зависимости от выбранного `fmt`.
`Period.to_timestamp`	Возвращает представление Period в виде Timestamp по заданной частоте в заданном конце (how) периода

Отметка времени

Timestamp Замена Pandas для datetime.datetime

Свойства

Методы

`Timestamp.astimezone`	Преобразовать объект Timestamp с часовым поясом в другой часовой пояс.
`Timestamp.ceil`	Возвращает новый объект Timestamp, округленный до указанного разрешения.
`Timestamp.combine`(date, time)	date, time -> datetime с одинаковыми частями даты и времени
`Timestamp.ctime`	Возвращает строку в формате ctime().
`Timestamp.date`	Возвращает объект date с тем же годом, месяцем и днем.
`Timestamp.day_name`	Возвращает название дня недели Timestamp с указанным языковым стандартом.
`Timestamp.dst`	Возвращает self.tzinfo.dst(self).
`Timestamp.floor`	Возвращает новый объект Timestamp, округленный вниз до указанного разрешения.
`Timestamp.freq`
`Timestamp.freqstr`
`Timestamp.fromordinal`(ordinal[, freq, tz])	Принимает порядковый номер, преобразует и возвращает объект ts. Примечание: по определению объект ordinal не может содержать информацию о часовом поясе.
`Timestamp.fromtimestamp`(ts)	timestamp[, tz] -> локальное время tz из POSIX timestamp.
`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.month_name`	Возвращает название месяца Timestamp с указанным языковым стандартом.
`Timestamp.normalize`	Нормализует Timestamp до полуночи, сохраняя информацию о часовом поясе.
`Timestamp.now`([tz])	Возвращает новый объект Timestamp, представляющий текущее время в часовом поясе tz.
`Timestamp.replace`	Реализует datetime.replace, обрабатывает наносекунды.
`Timestamp.round`	Округляет Timestamp до указанного разрешения.
`Timestamp.strftime`	format -> строка в формате strftime().
`Timestamp.strptime`	строка, формат -> новая datetime, разобранная из строки (как time.strptime()).
`Timestamp.time`	Возвращает объект time с тем же временем, но с tzinfo=None.
`Timestamp.timestamp`	Возвращает POSIX timestamp как число с плавающей точкой.
`Timestamp.timetuple`	Возвращает кортеж времени, совместимый с time.localtime().
`Timestamp.timetz`	Возвращает объект time с тем же временем и tzinfo.
`Timestamp.to_datetime64`	Возвращает объект numpy.datetime64 с точностью ‘ns’.
`Timestamp.to_julian_date`	Преобразовать TimeStamp в юлианскую дату.
`Timestamp.to_period`	Возвращает период, в котором данная метка времени является точкой наблюдения.
`Timestamp.to_pydatetime`	Преобразовать объект Timestamp в стандартный объект Python datetime.
`Timestamp.today`(cls[, tz])	Возвращает текущее время в локальном часовом поясе.
`Timestamp.toordinal`	Возвращает пролептический григорианский порядковый номер.
`Timestamp.tz_convert`	Преобразовать объект Timestamp с часовым поясом в другой часовой пояс.
`Timestamp.tz_localize`	Преобразовать неявный объект Timestamp в локальный часовой пояс или удалить часовой пояс из объекта Timestamp с часовым поясом.
`Timestamp.tzname`	Возвращает self.tzinfo.tzname(self).
`Timestamp.utcfromtimestamp`(ts)	Создать неявную дату и время UTC из POSIX timestamp.
`Timestamp.utcnow`()	Возвращает новый объект Timestamp, представляющий текущее время в UTC.
`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 Interval, ограниченный срез-подобный интервал.

Свойства

`Interval.closed`	Закрыт ли интервал слева, справа, с обеих сторон или ни с одной
`Interval.closed_left`	Проверка, закрыт ли интервал слева.
`Interval.closed_right`	Проверка, закрыт ли интервал справа.
`Interval.left`	Левая граница интервала
`Interval.length`	Возвращает длину интервала
`Interval.mid`	Возвращает середину интервала
`Interval.open_left`	Проверка, открыт ли интервал слева.
`Interval.open_right`	Проверка, открыт ли интервал справа.
`Interval.right`	Правая граница интервала

Timedelta

Timedelta Представляет продолжительность, разницу между двумя датами или временами.

Свойства

`Timedelta.asm8`	Возвращает представление массива numpy timedelta64
`Timedelta.components`	Возвращает объект-кортеж Components
`Timedelta.days`	Количество дней.
`Timedelta.delta`	Возвращает продолжительность timedelta в наносекундах (нс) для внутренней совместимости.
`Timedelta.freq`
`Timedelta.is_populated`
`Timedelta.max`
`Timedelta.microseconds`	Количество микросекунд (>= 0 и меньше 1 секунды).
`Timedelta.min`
`Timedelta.nanoseconds`	Возвращает количество наносекунд (н), где 0 <= n < 1 микросекунды.
`Timedelta.resolution`	Возвращает строку, представляющую наименьшее разрешение
`Timedelta.seconds`	Количество секунд (>= 0 и меньше 1 дня).
`Timedelta.value`
`Timedelta.view`	Совместимость с представлением массива

Методы

`Timedelta.ceil`	Возвращает новый Timedelta, округлённый до указанного разрешения вверх
`Timedelta.floor`	Возвращает новый Timedelta, округлённый до указанного разрешения вниз
`Timedelta.isoformat`	Форматирование Timedelta в формате ISO 8601 Duration, например `P[n]Y[n]M[n]DT[n]H[n]M[n]S`, где значения заменены на соответствующие.
`Timedelta.round`	Округляет Timedelta до указанного разрешения
`Timedelta.to_pytimedelta`	Возвращает объект datetime.timedelta. При этом точность наносекунд теряется.
`Timedelta.to_timedelta64`	Возвращает объект numpy.timedelta64 с точностью до наносекунд.
`Timedelta.total_seconds`	Полная продолжительность timedelta в секундах (с точностью до наносекунд).

Частоты

to_offset(freq) Возвращает объект DateOffset из строкового или кортежного представления, или объекта datetime.timedelta.

Окно

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

Стандартные функции скользящего окна

`Rolling.count`()	Количество наблюдений без NaN внутри окна.
`Rolling.sum`(args, *kwargs)	Вычисление скользящей суммы для заданного DataFrame или Series.
`Rolling.mean`(args, *kwargs)	Вычисление скользящего среднего значения.
`Rolling.median`(**kwargs)	Вычисление скользящей медианы.
`Rolling.var`([ddof])	Вычисление несмещенной скользящей дисперсии.
`Rolling.std`([ddof])	Вычисление скользящего стандартного отклонения.
`Rolling.min`(args, *kwargs)	Вычисление скользящего минимума.
`Rolling.max`(args, *kwargs)	Вычисление скользящего максимума.
`Rolling.corr`([other, pairwise])	Вычисление скользящей выборочной корреляции.
`Rolling.cov`([other, pairwise, ddof])	Вычисление скользящей выборочной ковариации.
`Rolling.skew`(**kwargs)	Вычисление несмещенного скользящего асимметричного распределения.
`Rolling.kurt`(**kwargs)	Вычисление несмещенного скользящего эксцесса.
`Rolling.apply`(func[, raw, args, kwargs])	Применяет скользящую функцию.
`Rolling.aggregate`(arg, args, *kwargs)	Агрегирование с использованием одной или нескольких операций по указанной оси.
`Rolling.quantile`(quantile[, interpolation])	Вычисление скользящего квантиля.
`Window.mean`(args, *kwargs)	Вычисление среднего значения окна.
`Window.sum`(args, *kwargs)	Вычисление суммы окна для заданного DataFrame или Series.

Стандартные функции скользящего окна

`Expanding.count`(**kwargs)	Расширяющееся подсчет наблюдений без NaN внутри окна.
`Expanding.sum`(args, *kwargs)	Вычисление расширяющейся суммы для заданного DataFrame или Series.
`Expanding.mean`(args, *kwargs)	Вычисление расширяющегося среднего значения.
`Expanding.median`(**kwargs)	Вычисление расширяющейся медианы.
`Expanding.var`([ddof])	Вычисление несмещенной расширяющейся дисперсии.
`Expanding.std`([ddof])	Вычисление расширяющегося стандартного отклонения.
`Expanding.min`(args, *kwargs)	Вычисление расширяющегося минимума.
`Expanding.max`(args, *kwargs)	Расширяющийся максимум.
`Expanding.corr`([other, pairwise])	Расширяющаяся выборочная корреляция.
`Expanding.cov`([other, pairwise, ddof])	Расширяющаяся выборочная ковариация.
`Expanding.skew`(**kwargs)	Несмещенная расширяющаяся асимметрия.
`Expanding.kurt`(**kwargs)	Вычисление несмещенного расширяющегося эксцесса.
`Expanding.apply`(func[, raw, args, kwargs])	Применение расширяющейся функции.
`Expanding.aggregate`(arg, args, *kwargs)	Агрегирование с использованием одной или нескольких операций по указанной оси.
`Expanding.quantile`(quantile[, interpolation])	Расширяющийся квантиль.

Функции экспоненциально-взвешенного скользящего окна

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

GroupBy

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

Индексирование, итерация

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

Grouper([key, level, freq, axis, sort]) Группер позволяет пользователю указать инструкцию groupby 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 `func` с аргументами к этому объекту GroupBy и возвращает результат функции.

Вычисления/Дескриптивные статистики

`GroupBy.all`([skipna])	Возвращает True, если все значения в группе истинны, иначе False
`GroupBy.any`([skipna])	Возвращает True, если любое значение в группе истинно, иначе False
`GroupBy.bfill`([limit])	Заполняет значения обратной заливкой
`GroupBy.count`()	Вычисляет количество в группе, исключая пропущенные значения
`GroupBy.cumcount`([ascending])	Нумерует каждый элемент в каждой группе от 0 до длины этой группы - 1.
`GroupBy.ffill`([limit])	Заполняет значения прямой заливкой
`GroupBy.first`(**kwargs)	Вычисляет первое значение в группе
`GroupBy.head`([n])	Возвращает первые n строк каждой группы.
`GroupBy.last`(**kwargs)	Вычисляет последнее значение в группе
`GroupBy.max`(**kwargs)	Вычисляет максимальное значение в группе
`GroupBy.mean`(args, *kwargs)	Вычисляет среднее значение по группам, исключая пропущенные значения
`GroupBy.median`(**kwargs)	Вычисляет медиану по группам, исключая пропущенные значения
`GroupBy.min`(**kwargs)	Вычисляет минимальное значение в группе
`GroupBy.ngroup`([ascending])	Нумерует каждую группу от 0 до количества групп - 1.
`GroupBy.nth`(n[, dropna])	Возвращает n-ую строку каждой группы, если n — целое число, или подмножество строк, если n — список целых чисел.
`GroupBy.ohlc`()	Вычисляет сумму значений, исключая пропущенные значения. При нескольких группировках индекс результата будет MultiIndex.
`GroupBy.prod`(**kwargs)	Вычисляет произведение значений в группе
`GroupBy.rank`([method, ascending, na_option, …])	Предоставляет ранг значений внутри каждой группы.
`GroupBy.pct_change`([periods, fill_method, …])	Вычисляет процентное изменение каждого значения относительно предыдущей записи в группе
`GroupBy.size`()	Вычисляет размеры групп
`GroupBy.sem`([ddof])	Вычисляет стандартную ошибку среднего по группам, исключая пропущенные значения
`GroupBy.std`([ddof])	Вычисляет стандартное отклонение по группам, исключая пропущенные значения
`GroupBy.sum`(**kwargs)	Вычисляет сумму значений в группе
`GroupBy.var`([ddof])	Вычисляет дисперсию по группам, 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 допускает указание аргумента axis и часто аргумента, указывающего, следует ли ограничивать применение столбцам определенного типа данных.

`DataFrameGroupBy.agg`(arg, args, *kwargs)	Агрегировать, используя одну или несколько операций над указанной осью.
`DataFrameGroupBy.all`([skipna])	Возвращает True, если все значения в группе истинны, в противном случае False
`DataFrameGroupBy.any`([skipna])	Возвращает True, если хотя бы одно значение в группе истинно, в противном случае False
`DataFrameGroupBy.bfill`([limit])	Заполнить значения методом «заполнения справа»
`DataFrameGroupBy.corr`	Вычислить парную корреляцию столбцов, исключая значения NA/null.
`DataFrameGroupBy.count`()	Вычислить количество элементов в группе, исключая пропущенные значения.
`DataFrameGroupBy.cov`	Вычислить парную ковариацию столбцов, исключая значения NA/null.
`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 статистические данные, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая значения `NaN`.
`DataFrameGroupBy.diff`	Первое дискретное различие элемента.
`DataFrameGroupBy.ffill`([limit])	Заполнить значения методом «заполнения слева»
`DataFrameGroupBy.fillna`	Заполнить значения NA/NaN, используя указанный метод
`DataFrameGroupBy.filter`(func[, dropna])	Возвращает копию DataFrame, исключая элементы из групп, которые не удовлетворяют булевому критерию, заданному функцией func.
`DataFrameGroupBy.hist`	Создать гистограмму DataFrame.
`DataFrameGroupBy.idxmax`	Возвращает индекс первого вхождения максимума по запрошенной оси.
`DataFrameGroupBy.idxmin`	Возвращает индекс первого вхождения минимума по запрошенной оси.
`DataFrameGroupBy.mad`	Возвращает среднее абсолютное отклонение значений для запрошенной оси.
`DataFrameGroupBy.pct_change`([periods, …])	Вычислить процентное изменение каждого значения относительно предыдущего в группе
`DataFrameGroupBy.plot`	Класс, реализующий атрибут .plot для объектов groupby.
`DataFrameGroupBy.quantile`	Возвращает значения в заданном квантиле по запрошенной оси, аналогично numpy.percentile.
`DataFrameGroupBy.rank`([method, ascending, …])	Предоставляет ранг значений в каждой группе.
`DataFrameGroupBy.resample`(rule, args, *kwargs)	Предоставить пересэмплирование при использовании TimeGrouper Возвращает новый группер с добавленным пересэмплером
`DataFrameGroupBy.shift`([periods, freq, axis])	Сдвинуть каждую группу на периоды наблюдений
`DataFrameGroupBy.size`()	Вычислить размер группы
`DataFrameGroupBy.skew`	Возвращает смещенное значение асимметрии по запрошенной оси. Нормализовано на N-1.
`DataFrameGroupBy.take`	Возвращает элементы в заданных позиционных индексах по оси.
`DataFrameGroupBy.tshift`	Сдвинуть временной индекс, используя частоту индекса, если она доступна.

Следующие методы доступны только для SeriesGroupBy объектов.

`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 объекта Series.
`SeriesGroupBy.value_counts`([normalize, …])
`SeriesGroupBy.is_monotonic_increasing`	Возвращает булевое значение, если значения в объекте монотонно возрастают.
`SeriesGroupBy.is_monotonic_decreasing`	Возвращает булевое значение, если значения в объекте монотонно убывают.

Следующие методы доступны только для DataFrameGroupBy объектов.

`DataFrameGroupBy.corrwith`	Вычислить парную корреляцию между строками или столбцами двух объектов DataFrame.
`DataFrameGroupBy.boxplot`([subplots, column, …])	Создать диаграммы размаха из данных DataFrameGroupBy.

Ресемплирование

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

Индексирование, итерация

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

Применение функций

`Resampler.apply`(arg, args, *kwargs)	Агрегирование с использованием одной или нескольких операций по указанной оси.
`Resampler.aggregate`(arg, args, *kwargs)	Агрегирование с использованием одной или нескольких операций по указанной оси.
`Resampler.transform`(arg, args, *kwargs)	Вызов функции, генерирующей Series с аналогичным индексом в каждой группе, и возвращает Series с преобразованными значениями
`Resampler.pipe`(func, args, *kwargs)	Применение функции `func` с аргументами к этому объекту Resampler и возврат результата функции.

Увеличение частоты выборки

`Resampler.ffill`([limit])	Заполнение вперед значений
`Resampler.backfill`([limit])	Обратное заполнение новых пропущенных значений в ресемплированных данных.
`Resampler.bfill`([limit])	Обратное заполнение новых пропущенных значений в ресемплированных данных.
`Resampler.pad`([limit])	Заполнение вперед значений
`Resampler.nearest`([limit])	Заполнение значениями ближайшего соседа, начиная с центра
`Resampler.fillna`(method[, limit])	Заполнение пропущенных значений, возникших при увеличении частоты выборки.
`Resampler.asfreq`([fill_value])	возвращает значения в новой частоте, по существу переиндексация
`Resampler.interpolate`([method, axis, limit, …])	Интерполяция значений в соответствии с различными методами.

Вычисления/Дескриптивные статистики

`Resampler.count`([_method])	Вычислить количество в группе, исключая пропущенные значения
`Resampler.nunique`([_method])	Возвращает количество уникальных элементов в группе
`Resampler.first`([_method])	Вычислить первое значение в группе
`Resampler.last`([_method])	Вычислить последнее значение в группе
`Resampler.max`([_method])	Вычислить максимальное значение в группе
`Resampler.mean`([_method])	Вычислить среднее значение в группах, исключая пропущенные значения
`Resampler.median`([_method])	Вычислить медиану в группах, исключая пропущенные значения
`Resampler.min`([_method])	Вычислить минимальное значение в группе
`Resampler.ohlc`([_method])	Вычислить сумму значений, исключая пропущенные значения Для нескольких группировок результат будет MultiIndex
`Resampler.prod`([_method, min_count])	Вычислить произведение значений в группе
`Resampler.size`()	Вычислить размеры групп
`Resampler.sem`([_method])	Вычислить стандартную ошибку среднего в группах, исключая пропущенные значения
`Resampler.std`([ddof])	Вычислить стандартное отклонение в группах, исключая пропущенные значения
`Resampler.sum`([_method, min_count])	Вычислить сумму значений в группе
`Resampler.var`([ddof])	Вычислить дисперсию в группах, исключая пропущенные значения

Стиль

Styler объекты возвращаются pandas.DataFrame.style.

Конструктор Styler

`Styler`(data[, precision, table_styles, …])	Помогает стилизовать DataFrame или Series в соответствии с данными с помощью HTML и CSS.
`Styler.from_custom_template`(searchpath, name)	Функция-фабрика для создания подкласса `Styler` с пользовательской шаблоном и средой Jinja.

Атрибуты Styler

`Styler.env`
`Styler.template`
`Styler.loader`

Применение стиля

`Styler.apply`(func[, axis, subset])	Применить функцию по столбцам, строкам или всей таблице, обновляя HTML-представление результатом.
`Styler.applymap`(func[, subset])	Применить функцию к элементам, обновляя HTML-представление результатом.
`Styler.where`(cond, value[, other, subset])	Применить функцию к элементам, обновляя HTML-представление стилем, который выбирается в соответствии со значением, возвращаемым функцией.
`Styler.format`(formatter[, subset])	Отформатировать текстовые значения ячеек.
`Styler.set_precision`(precision)	Установить точность, используемую для рендеринга.
`Styler.set_table_styles`(table_styles)	Установить стили таблицы для Styler.
`Styler.set_table_attributes`(attributes)	Установить атрибуты таблицы.
`Styler.set_caption`(caption)	Установить подпись для Styler.
`Styler.set_properties`([subset])	Удобный метод для установки одного или нескольких свойств, не зависящих от данных, для каждой ячейки.
`Styler.set_uuid`(uuid)	Установить uuid для Styler.
`Styler.clear`()	«Сбросить» стилер, удалив ранее примененные стили.

Встроенные стили

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

Экспорт и импорт стиля

`Styler.render`(**kwargs)	Вывести сформированные стили в HTML.
`Styler.export`()	Экспортировать стили, примененные к текущему Styler.
`Styler.use`(styles)	Установить стили для текущего Styler, возможно, используя стили из `Styler.export`.
`Styler.to_excel`(excel_writer[, sheet_name, …])	Записать Styler в лист Excel.

Графики

Следующие функции содержатся в модуле pandas.plotting.

`andrews_curves`(frame, class_column[, ax, …])	Генерирует график кривых Эндрюса в matplotlib для визуализации кластеров многомерных данных.
`bootstrap_plot`(series[, fig, size, samples])	График бутстрапа по среднему, медиане и значениям середины диапазона.
`deregister_matplotlib_converters`()	Удалить форматировщики и конвертеры pandas.
`lag_plot`(series[, lag, ax])	График запаздывания для временных рядов.
`parallel_coordinates`(frame, class_column[, …])	График параллельных координат.
`radviz`(frame, class_column[, ax, color, …])	График многомерных данных на плоскости.
`register_matplotlib_converters`([explicit])	Зарегистрировать форматировщики и конвертеры Pandas в matplotlib.
`scatter_matrix`(frame[, alpha, figsize, ax, …])	Построить матрицу диаграмм рассеяния.

Общие служебные функции

Работа с параметрами

`describe_option`(pat[, _print_desc])	Выводит описание 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)	Менеджер контекста для временного изменения параметров в `with` контексте оператора.

Функции тестирования

`testing.assert_frame_equal`(left, right[, …])	Проверка, что DataFrame слева и справа равны.
`testing.assert_series_equal`(left, right[, …])	Проверка, что Series слева и справа равны.
`testing.assert_index_equal`(left, right[, …])	Проверка, что Index слева и справа равны.

Исключения и предупреждения

`errors.DtypeWarning`	Предупреждение, выводимое при чтении различных типов данных в столбце из файла.
`errors.EmptyDataError`	Исключение, которое генерируется при `pd.read_csv` (как C-, так и Python-движками) при обнаружении пустых данных или заголовка.
`errors.OutOfBoundsDatetime`
`errors.ParserError`	Исключение, генерируемое при ошибке, обнаруженной в `pd.read_csv`.
`errors.ParserWarning`	Предупреждение, выводимое при чтении файла, не использующего парсер по умолчанию ‘c’.
`errors.PerformanceWarning`	Предупреждение, выводимое при потенциальном влиянии на производительность.
`errors.UnsortedIndexError`	Ошибка, выводимая при попытке получить срез MultiIndex, если индекс не отсортирован по лексикографическому порядку.
`errors.UnsupportedFunctionCall`	Исключение, выводимое при попытке вызвать функцию numpy на объекте pandas, если эта функция не поддерживается объектом, например

Функциональность, связанная с типами данных

`api.types.union_categoricals`(to_union[, …])	Объединение спископодобных объектов Categorical, объединяющих категории.
`api.types.infer_dtype`	Эффективное определение типа переданного значения или спископодобного массива значений.
`api.types.pandas_dtype`(dtype)	Преобразование входных данных в объект типа pandas или объект типа numpy.

Интроспекция типов данных

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

Интроспекция итерируемых объектов

`api.types.is_dict_like`(obj)	Проверка, является ли объект подобным словарю.
`api.types.is_file_like`(obj)	Проверка, является ли объект объектом типа «подобный файлу».
`api.types.is_list_like`(obj)	Проверка, является ли объект спископодобным.
`api.types.is_named_tuple`(obj)	Проверка, является ли объект именованной кортежем.
`api.types.is_iterator`(obj)	Проверка, является ли объект итератором.

Скалярный интроспекция

`api.types.is_bool`
`api.types.is_categorical`(arr)	Проверка, является ли массив-подобный объектом Categorical.
`api.types.is_complex`
`api.types.is_datetimetz`(arr)	Проверка, является ли массив-подобный объектом datetime с временной зоной в типе данных.
`api.types.is_float`
`api.types.is_hashable`(obj)	Возвращает True, если hash(obj) выполнится, False в противном случае.
`api.types.is_integer`
`api.types.is_interval`
`api.types.is_number`(obj)	Проверка, является ли объект числом.
`api.types.is_period`(arr)	Проверка, является ли массив-подобный периодическим индексом.
`api.types.is_re`(obj)	Проверка, является ли объект экземпляром шаблона регулярных выражений.
`api.types.is_re_compilable`(obj)	Проверка, может ли объект быть скомпилирован в экземпляр шаблона регулярных выражений.
`api.types.is_scalar`	Возвращает True, если заданное значение является скаляром.

Расширения

Они предназначены в первую очередь для авторов библиотек, которые хотят расширить объекты pandas.

`api.extensions.register_dataframe_accessor`(name)	Регистрация пользовательского доступа к объектам DataFrame.
`api.extensions.register_series_accessor`(name)	Регистрация пользовательского доступа к объектам Series.
`api.extensions.register_index_accessor`(name)	Регистрация пользовательского доступа к объектам Index.
`api.extensions.ExtensionDtype`	Пользовательский тип данных, который будет сопоставлен с ExtensionArray.
`api.extensions.ExtensionArray`	Абстрактный базовый класс для пользовательских типов одномерных массивов.

© 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/0.23.4/api.html

`Timestamp.asm8`
`Timestamp.day`
`Timestamp.dayofweek`
`Timestamp.dayofyear`
`Timestamp.days_in_month`
`Timestamp.daysinmonth`
`Timestamp.fold`
`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.minute`
`Timestamp.month`
`Timestamp.nanosecond`
`Timestamp.quarter`
`Timestamp.resolution`
`Timestamp.second`
`Timestamp.tz`	Псевдоним для tzinfo
`Timestamp.tzinfo`
`Timestamp.value`
`Timestamp.week`
`Timestamp.weekofyear`
`Timestamp.year`