Python数据分析 Pandas模块 基础数据结构与简介(二)

重点方法

• 分组：groupby('列名') groupby(['列1'],['列2'........])

分组步骤：

1. （spiltting）拆分 按照一些规则将数据分为不同的组

2. （Applying）申请 对于每组数据分别执行一个函数

3. （Combining） 组合 将结果组合到一个数据结构

• 分组后默认统计的方法

  1.size() 大小 = count() max(),min(),std(),median()中位数,first(),last()

  函数名	使用
  count	分组中非NA(空值)的数量
  sum	非NA的和
  mean	非NA的平均值
  median	非NA的值的算术中位数
  std;var	无偏（分母为n-1）标准差和方差
  prod	非NA值的积
  first;last	第一个和最后一个非NA的值

以上统计函数：除了count()外，都会自动过滤非数字列！！！

排重：duplicated() 重复

1.检查重复数据：df.duplicated() 判断整行数据

2.检查重复指定列名：df.duplicated(['列1','列2....'])

3.删除重复数据：df.drop_duplicates()

4.删除时指定保留的数据：df.drop_duplicates(['列1','列2'...],keep='first/last')

• keep:保存

• first:第一个

• last:最后一个

数据透视表

• df.pivot_table(df,index=['列1','列2...'],values='名',aggfunc=np.mean/sum)

  • index ： 排序的列

  • values： 统计列

  • aggfunc ：执行的统计函数,不写默认统计平均值

分组替换：categories 分组/分类

• 实现第二列！分组，并替换数据！

• df['新列名']=df['B'].astype('category'): 转换为分类/分组类型

• 分配列名：df['新列名'].cat.categories(['值1','值2....'])

• 重新设置：df['新列名']=df['新列名'].cat.set_categories(['值1','值2.....'])

读写文件

• HDF5:存储大数据，可方便和其他语言对接， 了解

  • to_hdf(文件)

  • read_hdf(文件)

• csv:

  • to_csv(文件)

  • read_csv(文件)

• 表格 excel：

  • to_excel(文件)

  • read_excel(文件)