Python数据分析Pandas库之熊猫(10分钟二)

pandas 10分钟教程(二)

重点发法

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

• 分组的步骤

1. (Splitting) 按照一些规则将数据分为不同的组,拆分

2. (Applying) 对于每组数据分别执行一个函数.'应用,申请'

3. (Combining) 将结果组合到一个数据结构, '组合/合并'

import pandas as pd
#根据A分组后求和
df.groupby('A').sum()
#分组,指定具体列的出来函数    #reset_index 重置索引
df.group(by=['列1','列2',....]).agg({'列名':['max','min']}).reset_index()
​
#agg/apply:指定具体的处理函数,,,可以 写自定义函数
​

分组后的统计方法

1. size() = count()

2. max(),min(),mean() 最大最小,平均数

3. std()

4. median() 中位数

5. frist() ,last() 第一个和最后一个非NA值

6. prod 非NA值得积

以上统计函数,除了count()外,都会自动过滤非数字列!!!!

• 排重:duplicated

  1. 检查重复的数据:df.duplicated()

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

  3. 删除重复数据:df.drop_duolicates()

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

     • keep:保存

     • frist:第一个，last:最后一个

• 数据透视表(和groupby()类似)

  1. df.pibot_table(df,index=['列1','列2',...],values='列名',aggfunc=np.mean/sum)

     • index : 需要排序的列

     • values : 需要统计的列

     • 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,

  1. 实现第二列分组比替换数据:

     • df['新列名'] = df['B'].astype('category');转化为分类/分组类型

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

     • 重新设置:　df['新列名'] = df['新列名'].cat_set_categories([值一，值二，...])

• 读写文件

  1. HDF5: 存储打数据,方便和其他语言对接,

     • to_hdf()

     • read_hdf()

  2. 表格:excel

     • read_excel('path',sheet_name='子页名')

     • to_excel(path)