hang on it more longer

之前通过map函数，可以对列进行处理，这节主要学习transform和apply函数 1. transform函数 transform()函数更适用于聚合操作，但是它对参数有特定要求：作为参数的函数必须生成一个标量（聚合），因为只有这样才能进行广播 frame.groupby(‘color’).transform(np.sum).add_prefix(‘tot_’) >>> im...

1.goupby()函数实例 可以对frame或者其中部分列排序，排序by可以是一列或多列，返回索引列为by中的列，而columns则为所选择的要排序的列 frame[‘price1’].groupby(frame[‘color’]) >>> frame = pd.DataFrame({'color': ['white', 'red', 'green', 'red', 'gree...

1.take排序 take()函数可以理解为对frame对象按照给定行按顺序抽取 frame.take([2,1]) //取index为2,1的行 >>> import pandas as pd >>> import numpy as np >>> frame = pd.DataFrame(np.arange(9).reshape(3,3)) ...

为对连续数据进行分区，pandas提供了一些函数： 1. 区间划分 >>> import pandas as pd >>> results = [1,3,4,8,2,5] >>> bins = [1,3,9] >>> cat = pd.cut(results, bins) 注意：这里的bins最小值要小于results中的值...

1. 删除重复元素 通过duplicated()函数可以找出重复的行，操作如下： frame.duplicated() //判断是否重复行 frame[frame.duplicated()] //删除重复行 frame.drop_duplicates() //删除重复行 示例如下： >>> frame = pd.DataFrame({'color': ['white', 'wh...

1.拼接 numpy的concatenate函数 利用concatenate可实现按axis进行拼接，如： >>> import numpy as np >>> a = np.arange(9) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8]) >>> a = np.arange(9).resh...

1.merge函数指定合并列 >>> import pandas as pd >>> frame1 = pd.DataFrame({'id': ['ball', 'pencil', 'pen', 'mug', 'ashtray' olor': ['white', 'red', 'red', 'black', 'green'], 'brand': ['OMG...

pandas提供各种I/O API函数，这里把一些常用的方式分享给大家。 1.读写csv文件 frame = read_csv('a.csv') //返回DataFrame对象，相关参数如: names=['',''] 指定表头; header=None 使用默认表头; index_col=['color', 'status']，给前2列设置为层级索引 frame.to_cs...

之前介绍的Series和DataFrame都是单条索引，其实还可以是多级索引。通过多级索引可以很方便的处理多维数据。 注：ser指Series对象，frame指DataFrame对象 1. Series多级索引 >>> ser = pd.Series(np.arange(4), index=[['a', 'a', 'b', 'b'], ['i1', 'i2', 'i3']...

排序和位次 约定：ser指Series，frame值DataFrame 1. 根据索引排序 ser.sort_index() //索引升序 ser.sort_index(ascending=False) //索引降序 frame.sort_index(axis=1) //按列名排序，默认0为按索引行排序 2.元素排序 ser.order() //元素排序 frame.sort_i...

DataFrame对象 DataFrame可以理解为一个由Series组成的字典，其中一列的名称为字典的键，Series为字典的值。一般可以直接通过字典或嵌套字典来构建DataFrame 1. 定义DataFrame对象 通过dict创建DataFrame，这里的color和object为columns名 >>> data = {'color': ['r', 'g', ...

Series对象 1. 声明Series对象 a.通过数组赋值 >>> import pandas as pd >>> s = pd.Series([9,8,-1,2]) >>> s 0 9 1 8 2 -1 3 2 dtype: int64 b.设置index >>> s = pd.Ser...