数据分析基础——数据规整

一.数据连接

pd.merge(left,right)

将left和right进行含相同的部分进行合并，然后进行连接

pd.merge(left,right,one=['key1','key2'])

指定多个键进行合并

pd.merge(left,right,how='outer',one=['key1','key2'])

outer:全连接为并集

默认为inner 交集

pd.merge(left,right,,right_index=True)

根据索引连接将右侧行索引用来连接

二.数据合并

pd.concat()

沿轴方向将多个对象合并在一起

axis=0默认

join 合并方式为outer

series 合并时查看行索引有无重复

三.重塑和轴向旋转

data.stack()

将DataFrame对象变成series将列索引旋转为行索引，完成层级索引

r.unstack()

将层级索引展开，series->DataFrame 默认操作内层索引，即level=1

数据分析基础——数据规整相关推荐

利用Python进行数据分析：数据规整（基于DataFrame）
利用Python进行数据分析:数据规整在许多应用中,数据可能分散在许多文件或数据库中,存储的形式也不利于分析.本部分关注可以聚合.合并.重塑数据的方法. 文章目录利用Python进行数据分析:数据 ...
Python数据分析—Pandas数据规整
数据规整一.索引二.分层索引三.数据合并 1.merge方法 2.join方法 3.concat方法四.数据分组与聚合一.索引 # 查看索引 df.index # 指定索引,但个数必须保持一 ...
Python数据分析6——数据规整
目录索引与分层索引索引分层索引分层索引的切片数据重塑数据合并 merge() join() concat() 数据的分组与聚合自定义聚合函数数据透视表索引与分层索引索引查看索引: ...
利用python进入数据分析之数据规整化：清理、转换、合并、重塑（二）
数据转换移除重复数据 In [106]: data = DataFrame({'k1': ['one'] * 3 + ['two'] * 4,'k2': [1, 1, 2, 3, 3, 4, 4]} ...
利用Python数据分析：数据规整化（五）
import pandas as pd from pandas import Series,DataFrame import numpy as np import re # 计算指标/哑变量(dumm ...
类的应用python平均分_【数据科学系统学习】Python # 数据分析基本操作[四] 数据规整化和数据聚合与分组运算...
本篇内容为整理<利用Python进行数据分析>,博主使用代码为 Python3,部分内容和书本有出入. 在前几篇中我们介绍了 NumPy.pandas.matplotlib 三个库的基本操 ...
数据规整：连接、联合与重塑（数据分析）
目录第8章数据规整:连接.联合与重塑 8.1 分层索引 8.1.1 重排序和层级排序 8.1.2 按层级进行汇总统计 8.1.3 使用DataFrame的列进行索引 8.2 联合与合并数据集 8. ...
python dataframe groupby_【Python数据分析基础】入坑必备的数据预处理操作
本文解决的是2类目标业务: 有数据不知道怎么做数据分析操作的. 自己有思路不知道怎么落地实现的. Python数据分析基础必用品 office软件(推荐2016版) Python开发环境(推荐Anac ...
swiper 滚回第一个数据_名企必备的数据分析基础技能：Python大法（一）
现如今,大数据的发展越来越好,也越来越多的企业中大数据分析已经朝着更好的方向发展.也正是因为这个原因,数据分析行业的人才需求也变得火爆起来,尤其是数据分析.数据挖掘.数据科学家等高端人才,越来越稀缺. ...

数据分析基础——数据规整

数据分析基础——数据规整相关推荐

最新文章

热门文章