在数据分析的过程中，数据的清洗和处理是非常重要的一步。利用 Anaconda 中的常用库（如 pandas、numpy）可以高效地完成数据的加载、清洗、处理等操作。以下是 Anaconda 中常用的数据结构和函数，按功能进行整理，以便大家在数据分析与清洗操作中快速参考。

---

1. 基本数据结构

包	数据结构	描述
pandas	Series	一维数据结构，类似于一列数据，带索引。
pandas	DataFrame	二维数据结构，类似于表格，带行列标签。
numpy	ndarray	多维数组，适合数值计算和矩阵操作。

---

2. 数据导入与导出

功能	函数	描述
读取 CSV 文件	pd.read_csv(filepath)	从 CSV 文件读取数据。
写入 CSV 文件	df.to_csv(filepath)	将 DataFrame 写入 CSV 文件。
读取 Excel 文件	pd.read_excel(filepath)	从 Excel 文件读取数据。
写入 Excel 文件	df.to_excel(filepath)	将 DataFrame 写入 Excel 文件。
读取 SQL 数据库	pd.read_sql(query, connection)	从 SQL 数据库查询并读取数据。

---

3. 数据清洗

功能	函数	描述
处理缺失值	df.isnull()	检查缺失值，返回布尔值 DataFrame。
填充缺失值	df.fillna(value)	用指定值填充缺失数据。
删除缺失值	df.dropna()	删除包含缺失值的行或列。
删除重复值	df.drop_duplicates()	删除 DataFrame 中的重复行。
替换值	df.replace(to_replace, value)	替换数据中的特定值。
更改数据类型	df.astype(dtype)	转换 DataFrame 的数据类型。
重命名列	df.rename(columns={'old': 'new'})	重命名 DataFrame 的列。
数据标准化	(df - df.mean()) / df.std()	数据标准化处理，使均值为 0，方差为 1。
数据归一化	(df - df.min()) / (df.max() - df.min())	数据归一化到 0-1 之间。

---

4. 数据选择与过滤

功能	函数	描述
选择列	df['column'] 或 df[['col1', 'col2']]	选择 DataFrame 的一列或多列。
条件筛选	df[df['column'] > value]	筛选满足条件的行。
切片选择	df.iloc[row, col]	通过位置选择数据。
按标签选择	df.loc[row_label, col_label]	通过行列标签选择数据。
过滤唯一值	df['column'].unique()	获取列中所有的唯一值。
值计数	df['column'].value_counts()	统计列中每个值的出现次数。

---

5. 数据转换

功能	函数	描述
数据排序	df.sort_values(by='column')	根据指定列排序。
重置索引	df.reset_index(drop=True)	重置索引，并删除旧索引。
数据分组	df.groupby('column')	按列分组数据。
数据聚合	df.agg(['mean', 'sum'])	对分组数据执行聚合操作。
转换为透视表	pd.pivot_table(df, index='col1')	将 DataFrame 转换为透视表。
批量应用函数	df.apply(func)	对 DataFrame 的行或列批量应用函数。
数据合并	pd.concat([df1, df2])	合并多个 DataFrame。
数据连接	pd.merge(df1, df2, on='column')	连接两个 DataFrame，类似 SQL JOIN。

---

6. 数据可视化（pandas 与 matplotlib）

功能	函数	描述
折线图	df.plot.line()	绘制折线图，适合显示时间序列数据。
柱状图	df.plot.bar()	绘制柱状图，用于类别数据的比较。
直方图	df.plot.hist()	绘制直方图，用于显示数据分布。
散点图	df.plot.scatter(x='col1', y='col2')	绘制散点图，适合分析两列之间的关系。
箱线图	df.plot.box()	绘制箱线图，用于显示数据分布和异常值。

---

7. 统计与分析

功能	函数	描述
基本统计	df.describe()	返回 DataFrame 的基础统计信息。
计算均值	df.mean()	计算数据的均值。
计算中位数	df.median()	计算数据的中位数。
计算标准差	df.std()	计算数据的标准差。
计算最大值	df.max()	计算数据的最大值。
计算最小值	df.min()	计算数据的最小值。
计算分位数	df.quantile(q=0.75)	计算数据的特定分位数。