zyuPp的博客

Pandas合并合并1.append与assign1.1 append1.2 assign2. combine和update2.1 combine2.2 update3. concat4.merge和join4.1 merge4.2 join总结合并1.append与assign1.1 append（1）添加Series行genderheight0M1731F1632M155注：一定要指定name属性s = pd.Series(['gender

缺失数据处理1.基础概念1.1两种类型的缺失值可忽略的缺失值不可忽略的缺失值1.2缺失值的处理方法删除存在缺失值的个案插补缺失值（以最可能的值）2.观测缺失值与其类型2.1 如何探索数据中的缺失值2.2 三种缺失符号2.2.1 np.nan3.缺失值的运算和分组4.填充与剔除5.插值1.基础概念1.1两种类型的缺失值可忽略的缺失值完全随机缺失：缺失数据发生的概率与已观察数据和未观察数据无关随机缺失：缺失数据发生的概率与所观察到的变量有关，与未观察到的数据无关不可忽略的缺失值不完全变量中数据的缺

学习内容与资源来自于Datawhale成员分享，感谢耿同学Pandas变形1. 透视表1.1 pivot1.2 pivot_table1.2.x 常用参数1.3 crosstab交叉表2. 其他变形方法2.1. melt函数2.2. 压缩与展开3. 哑变量与因子化3.1. Dummy Variable（哑变量）3.2. factorize方法常见问题1. 透视表1.1 pivotDataFrame会将数据以压缩状态存放，如性别的M和F，pivot函数的作用就是可以将某一列作为新的列来展示.co.

分组简介分组操作流程有三：**split , apply , combine**常见apply过程的问题groupby函数1.按照某一列来分组获得某个school的信息：2.按照多列来分组3.其他调用方法4. 可通过一下代码查看groupby对象可用的函数5. groupby对象的head和first6. 分组的依据规则根据奇偶行分组若使用的是多层索引，则lambda表达式中输入为元组groupby中的[]操作对连续性变量使用cut函数做分组聚合（Aggregation）常用聚合函数同时使用单个或多个聚合函

关于索引的一些常用操作单级索引lociloc[] 操作符Series 的[]操作Dataframe的[]操作布尔索引快速标量索引at 和 iat方法，快速获取一个元素区间索引划分区间的interval_range方法用cut将数值列转为区间的分类元素区间索引的选取多级索引前言：此文知识点是由Datawhale提供的pandas学习材料中总结而来，感谢闫大佬的分享。Pandas学习项目github链接单级索引在数据处理中，我们比较常用的索引方法有三种：loc 标签索引iloc 位置索引[] 一种