• Чтение и запись данных:
• read_csv() - чтение csv-файла и создание объекта DataFrame.
• read_excel() - чтение Excel-файла и создание объекта DataFrame.
• to_csv() - запись объекта DataFrame в файл csv.
• to_excel() - запись объекта DataFrame в файл Excel.
• Изучение данных:
• head() - вывод первых строк объекта DataFrame.
• tail() - вывод последних строк объекта DataFrame.
• shape - количество строк и столбцов в объекте DataFrame.
• columns - список названий столбцов в объекте DataFrame.
• info() - вывод общей информации о DataFrame, включая количество значений в каждом столбце и типы данных
• Фильтрация данных:
• loc[] - выбор строк и столбцов по меткам (именам).
• iloc[] - выбор строк и столбцов по позициям.
• query() - фильтрация строк на основе логического выражения.
• isin() - фильтрация строк на основе значения столбца.

• df[df['column'] == value] - фильтрация строк с определенным значением в столбце 'column'

• df[(df['column1'] > value1) & (df['column2'] < value2)] - фильтрация строк с условиями на несколько столбцов

• df.isnull() - возвращает DataFrame той же формы, что и входной, но с булевыми значениями: True, где значение является NaN, иначе False

• Группировка данных:
• groupby() - группировка строк по значению столбца.
• agg() - применение агрегатных функций (среднее значение, сумма, максимальное значение и др.) к группам строк.
• pivot_table() - создание сводной таблицы на основе объекта DataFrame.
• Объединение данных:
• concat() - объединение нескольких объектов DataFrame по строкам или столбцам.
• merge() - объединение двух объектов DataFrame по заданному столбцу.

Аргументы:

• subset (опционально): Подмножество столбцов, по которым необходимо искать дубликаты. Если не указано, то будут использованы все столбцы датафрейма.
• keep (опционально): Какую запись в случае дублирующегося набора данных следует сохранить. Возможные значения:
• first (по умолчанию): Сохраняет первое вхождение дублирующегося значения.
• last: Сохраняет последнее вхождение дублирующегося значения.
• False: Удаляет все дублирующиеся записи.
• inplace (опционально): Флаг, указывающий, надо ли применить изменения к исходному датафрейму, а не вернуть новый, измененный датафрейм. Значение по умолчанию: False.

Эта функция позволяет написать SQL-запрос и использовать его в цикле запросов, таких как GROUP BY, ORDER BY и JOIN.

Параметры функции:

read_sql_query принимает два параметра - sql-запрос и объект адаптера базы данных.

• sql: параметр принимает текст SQL-запроса, который будет использоваться для вычитывания данных из источника. Например,
• con: параметр принимает объект адаптера базы данных для подключения к источнику данных. Обычно это объект sqlite3.connect, но может быть и другой connection object, например psycopg2, mysqldb, etc .

Основные аргументы sort_values():

• by – указывает имя столбца (или список столбцов; значения отсортируются по первому столбцу, а затем по второму и т. д., если имеется более одного столбца для сортировки) для сортировки.
• ascending – принимает значение Boolean, чтобы определить направление сортировки: по возрастанию (True) или по убыванию (False).
• inplace – если этот аргумент указан как True, то датафрейм будет отсортирован изменением собственных значений.
• na_position – принимает значения first или last, для того чтобы указать желаемое размещение пропущенных значений (NA).

Это работает аналогично свойству iloc, но имеет более мощные параметры для индексации. Эта функция обычно используется для фильтрации данных, поиск строк и столбцов по условиям или мутации их.

# Получение данных о первой строке с индексом 0 
data.loc[0] 
# Получение данных со второй по пятую строку 
data.loc[1:5] 
# Получение данных из первых двух столбцов 
data.loc[:, :2] 
# Получение данных из определенного интервала столбцов 
data.loc[:, 'A':'C'] 
# Получение данных по названию столбца 
data.loc[:, 'Name'] 
# Получение значений определенной строки и столбца 
data.loc[10, 'Name'] 

loc принимает два обязательных параметра:

• axis: ось, для которой необходимо выбрать элементы. Ось может быть 0 (строки) или 1 (столбцы).
• labels: выборка значений, которые следует использовать как заголовки или индексы.

loc также принимает два дополнительных опциональных параметра:

• start: начальное значение, по которому будет определяться диапазон элементов, выбранных для конкретной оси.
• stop: конечное значение для диапазона.

Матрицы данных должны иметь одинаковое имя столбца или индекса, на основе которого будет производиться слияние

Основные параметры функции merge Pandas:

• on – указывает, на каком столбце должен быть произведен слияние. Он должен быть представлен в виде строки или имен полей.
• how – указывает метод слияния, который должен использоваться для объединения, по умолчанию («inner»). Другие возможные значения: left, right, outer.
• left_on and right_on - указывает, какие столбцы использовать в качестве столбцов для объединения.
• left_index и right_index - если эти параметры установлены в true, то индекс будет использоваться для объединения.
• sort - для сортировки результатов слияния, по умолчанию False.

df['column'] = df['column'].astype(str).str.split(pat=' ', n=1).str.get(0) # ячейку в str, сплитит по пробелу один раз, забирает list[0].

df['column'] = df['column'].apply('функция') - применить функцию к ячейке.

df['list'] = df['list'].apply(ast.literal_eval) - ячейка содержащая список в виде строки - будет преобразована в список и т.д.

str.contains - использует поиск по регулярному выражению, пользоваться осторожно, может найти кучу не нужного.