对于pandas来说，掌握了Series和DataFrame的基本使用后，pandas还提供了很多高阶的函数与方法可以实现更加高级的功能，使用它们可以提高分析的效率，满足更多的需求。
pandas高阶函数与方法
依旧以一个简单的DataFrame为例：
In [161]: dfOut[161]: city education top avg work_year0 上海 本科 9 8.0 3年1 广州 硕士 15 11.0 2年2 广州 本科 12 10.0 应届毕业生3 北京 本科 13 12.0 2年4 北京 本科 11 8.0 1年下面的函数或者方法操作都是以这个DataFrame对象为例。
1. 转置方法T
这个方法可以实现行标签和列标签的转置，常用于矩阵运算方面。
In [161]: dfOut[161]: city education top avg work_year0 上海 本科 9 8.0 3年1 广州 硕士 15 11.0 2年2 广州 本科 12 10.0 应届毕业生3 北京 本科 13 12.0 2年4 北京 本科 11 8.0 1年In [162]: df.TOut[162]: 0 1 2 3 4city 上海 广州 广州 北京 北京education 本科 硕士 本科 本科 本科top 9 15 12 13 11avg 8 11 10 12 8work_year 3年 2年 应届毕业生 2年 1年2. 排序与排名
pandas中的排序有两种，一种是对行或者列索引(sort_index)进行排序，另外一种是按值对一列即Series对象(sort_values)进行排序。
首先从常用的sort_values函数开始，当希望对一个DataFrame进行排序的时候，将一个列或者多个列传递给by参数即可。
In [164]: dfOut[164]: city education top avg work_year0 上海 本科 9 8.0 3年1 广州 硕士 15 11.0 2年2 广州 本科 12 10.0 应届毕业生3 北京 本科 13 12.0 2年4 北京 本科 11 8.0 1年In [165]: df.sort_values(by='avg') # 根据avg进行排序，默认是升序Out[165]: city education top avg work_year0 上海 本科 9 8.0 3年4 北京 本科 11 8.0 1年2 广州 本科 12 10.0 应届毕业生1 广州 硕士 15 11.0 2年3 北京 本科 13 12.0 2年sort_values()函数默认是升序排序，如果想改为降序排序，只要将ascending参数设置为False即可。
In [166]: df.sort_values(by='avg',ascending=False)Out[166]: city education top avg work_year3 北京 本科 13 12.0 2年1 广州 硕士 15 11.0 2年2 广州 本科 12 10.0 应届毕业生0 上海 本科 9 8.0 3年4 北京 本科 11 8.0 1年除了根据一列进行排序外，还可以根据多列进行排序，多列排序时传递给by参数的是一个包含多个列索引的列表。
In [168]: df.sort_values(by=['avg','city'])Out[168]: city education top avg work_year0 上海 本科 9 8.0 3年4 北京 本科 11 8.0 1年2 广州 本科 12 10.0 应届毕业生1 广州 硕士 15 11.0 2年3 北京 本科 13 12.0 2年而基于行索引或者列索引的排序使用sort_index()函数
In [171]: df.index = ['d','a','c','b','e'] # 将行索引改为d,a,c,b,eIn [172]: df Out[172]: city education top avg work_yeard 上海 本科 9 8.0 3年a 广州 硕士 15 11.0 2年c 广州 本科 12 10.0 应届毕业生b 北京 本科 13 12.0 2年e 北京 本科 11 8.0 1年In [173]: df.sort_index() # 根据行索引进行排序Out[173]: city education top avg work_yeara 广州 硕士 15 11.0 2年b 北京 本科 13 12.0 2年c 广州 本科 12 10.0 应届毕业生d 上海 本科 9 8.0 3年e 北京 本科 11 8.0 1年进行排序之后，你有可能会关心排名，比如这个学生的成绩排名第几。pandas提供了rank函数来计算排名，排名会从1开始一直到数组中有效数据的数量。
In [9]: df.avg.rank() # 根据avg的值进行排名Out[9]:0 1.51 4.02 3.03 5.04 1.5Name: avg, dtype: float64In [10]: df['rank'] = df.avg.rank() # 赋值进数据框，观看友好一点In [11]: dfOut[11]: city education top avg work_year rank0 上海 本科 9 8.0 3年 1.51 广州 硕士 15 11.0 2年 4.02 广州 本科 12 10.0 应届毕业生 3.03 北京 本科 13 12.0 2年 5.04 北京 本科 11 8.0 1年 1.5默认是升序排名，改为降序使用ascending=False参数即可。当排名的值有重复值的时候，rank()函数还提供了method参数，选用不同参数有不同的排名方法。
- method参数默认是使用平均值计算重复值的排名，即有两个重复值排名是前两位，那么这两个值的排名都是(1+2)/2=1.5
- 当使用
method='max'的时候，重复值会使用最大值的排名，如有4个90分排名1,2,3,4名，那么这四个90的排名都是第四名 - 当使用
method='min'的时候，重复值会使用最小值的排名，如4个90分排名1,2,3,4名，那么这四个90分的排名都是第一名，第5个分数排名第五名 - 当使用
method='first'的时候，重复值的行索引小的会排在前面。
In [14]: df['rank'] = df.avg.rank(ascending=False,method='max')In [15]: dfOut[15]: city education top avg work_year rank0 上海 本科 9 8.0 3年 5.01 广州 硕士 15 11.0 2年 2.02 广州 本科 12 10.0 应届毕业生 3.03 北京 本科 13 12.0 2年 1.04 北京 本科 11 8.0 1年 5.0In [16]: df['rank'] = df.avg.rank(ascending=False,method='min')In [17]: dfOut[17]: city education top avg work_year rank0 上海 本科 9 8.0 3年 4.01 广州 硕士 15 11.0 2年 2.02 广州 本科 12 10.0 应届毕业生 3.03 北京 本科 13 12.0 2年 1.04 北京 本科 11 8.0 1年 4.0In [18]: df['rank'] = df.avg.rank(ascending=False,method='first')In [19]: dfOut[19]: city education top avg work_year rank0 上海 本科 9 8.0 3年 4.01 广州 硕士 15 11.0 2年 2.02 广州 本科 12 10.0 应届毕业生 3.03 北京 本科 13 12.0 2年 1.04 北京 本科 11 8.0 1年 5.03. 唯一值与值计数
pandas中提供了一些函数提取Series中的信息，第一个函数是unique()，它可以得到Series中的唯一值数组。第二个是value_counts()它用于计算一个Series中各个值出现的次数。
In [20]: dfOut[20]: city education top avg work_year rank0 上海 本科 9 8.0 3年 4.01 广州 硕士 15 11.0 2年 2.02 广州 本科 12 10.0 应届毕业生 3.03 北京 本科 13 12.0 2年 1.04 北京 本科 11 8.0 1年 5.0In [21]: df.city.unique()Out[21]: array(['上海', '广州', '北京'], dtype=object)In [22]: df.city.value_counts() # 广州出现次数为2，北京为2，上海为1Out[22]:广州 2北京 2上海 1Name: city, dtype: int644. 描述统计信息的汇总
describe()函数用于一次性产生多个汇总统计：
In [23]: df.describe()Out[23]: top avg rankcount 5.000000 5.000000 5.000000 # 计数mean 12.000000 9.800000 3.000000 # 平均数std 2.236068 1.788854 1.581139 # 标准差min 9.000000 8.000000 1.000000 # 最小值25% 11.000000 8.000000 2.000000 50% 12.000000 10.000000 3.000000 # 中位数75% 13.000000 11.000000 4.000000 # 众数max 15.000000 12.000000 5.000000 # 最大值cumsum用于累加，如想要计算avg的值的累加：
In [25]: dfOut[25]: city education top avg work_year rank0 上海 本科 9 8.0 3年 4.01 广州 硕士 15 11.0 2年 2.02 广州 本科 12 10.0 应届毕业生 3.03 北京 本科 13 12.0 2年 1.04 北京 本科 11 8.0 1年 5.0In [26]: df.avg.cumsum()Out[26]:0 8.01 19.02 29.03 41.04 49.0Name: avg, dtype: float64In [27]: df['avg_sum'] = df.avg.cumsum()In [28]: dfOut[28]: city education top avg work_year rank avg_sum0 上海 本科 9 8.0 3年 4.0 8.01 广州 硕士 15 11.0 2年 2.0 19.02 广州 本科 12 10.0 应届毕业生 3.0 29.03 北京 本科 13 12.0 2年 1.0 41.04 北京 本科 11 8.0 1年 5.0 49.0对数据进行分段，可以根据数据进行等分，比如根据top数值将数据进行5等分。cut函数是在pandas下，而不是在DataFrame下，使用需要注意。
In [30]: pd.cut(df.top,bins=5)Out[30]:0 (8.994, 10.2]1 (13.8, 15.0]2 (11.4, 12.6]3 (12.6, 13.8]4 (10.2, 11.4]Name: top, dtype: categoryCategories (5, interval[float64]): [(8.994, 10.2] < (10.2, 11.4] < (11.4, 12.6] < (12.6, 13.8] < (13.8, 15.0]]In [31]: df['bins'] = pd.cut(df.top,bins=5)In [32]: dfOut[32]: city education top ... rank avg_sum bins0 上海 本科 9 ... 4.0 8.0 (8.994, 10.2]1 广州 硕士 15 ... 2.0 19.0 (13.8, 15.0]2 广州 本科 12 ... 3.0 29.0 (11.4, 12.6]3 北京 本科 13 ... 1.0 41.0 (12.6, 13.8]4 北京 本科 11 ... 5.0 49.0 (10.2, 11.4][5 rows x 8 columns]cut函数还有个参数是labels，这个参数是标签，生活中类似于把90分以上的分为优秀，70~80分的为良好。可以把在某个档次的数据标记各自的标签。
In [34]: df['labels'] = pd.cut(df.top,bins=5,labels=list('abcde'))In [35]: dfOut[35]: city education top avg work_year rank avg_sum bins labels0 上海 本科 9 8.0 3年 4.0 8.0 (8.994, 10.2] a1 广州 硕士 15 11.0 2年 2.0 19.0 (13.8, 15.0] e2 广州 本科 12 10.0 应届毕业生 3.0 29.0 (11.4, 12.6] c3 北京 本科 13 12.0 2年 1.0 41.0 (12.6, 13.8] d4 北京 本科 11 8.0 1年 5.0 49.0 (10.2, 11.4] b