pandas数据分析49-58

对齐运算

对Series或者DataFrame直接进行相加，会产生一个并集，相同的序列相加，不同的序列为NAN。

如果不想要产生NAN，而是使用填充值，则需要使用方法，并传入参数fill_value = 0：

DataFrame和Series相同

• add 加
• radd 加（反转参数）

注意，reindex不会影响原来的对象，而是会返回一个新对象

混合运算

广播机制

如果想要在列方向进行运算，需要使用方法，传入指定轴：

函数的应用

numpy的函数pandas都能用，除此之外还有一些函数：

通过apply将函数应用到列或者行：

• apply()函数，默认是在列方向
  

pd4.apply(f,axis = 1)

applymap()

通过applymap将函数应用到每个数据上

排序

• 按索引排序sort_index()

s1.sort_index() #默认升序
s1.sort_index(ascending = False) #降序

• 按照值排序 sort_values()

默认从小到大排序，当有缺失值的时候，默认排在最后

对DataFrame使用sort_values()方法，需要传入指定的列 by = x:

---

唯一值

s2 = s1.unique() #返回一个唯一值数组

值的个数

s1.value_counts() 

判断是否存在

s2.isin([8，2]) #判断8或者2是否在s1

丢弃缺失数据

pd1.dropna() # 默认丢弃行
pd1.dropna(axis = 1) #丢弃列

填充缺失数据 fillna()

pd1.fillna(2) #将指定数据填入缺失值

---

层级索引

生成和取值

交换层级

统计计算和描述

• pd1.sum() 求和，默认按列求和
• pd1.sum(axis = 1) 按照行求和
• pd1.sum(skipna = False) 不排除空值
• pd1.idxmax() 返回最大值的索引
• pd1.cumsum() 累计求和
• pd1.describe() 显示汇总统计