Python学习记录——series、dataframe基本操作2

apply和applymap

1. apply：可以把一个用在一维数组上的函数，应用在一行或一列上。若axis='column’用于apply，那么函数会被用在每一行。
   例：

f = lambda x: x.max() - x.min()
frame.apply(f)
#计算每列最大最小值之差
#frame.apply(f, axis='column')则是应用到每行

b    2.658256
d    0.720526
e    1.784479
dtype: float64

2. applymap：可以实现element-wise的python函数
   例：格式化frame中的浮点数，变为string

format = lambda x: '%.2f' % x
frame.applymap(format)

3. map：series中的一个函数，可以实现element-wise，applymap就是利用该函数实现的

排序

按行或列排序（sort_index）

语法：对象.sort_index()

• 对象可以是series或dataframe
• 默认按行排序，axis=1则按列排序
• 默认升序，ascending=False则为降序

按值排序（sort_values）

语法：对象.sort_values()

• 缺失值会被排在最后
• 对于dataframe，一般需要指定按哪列或哪行进行排序，即设参数by
  例：

frame = pd.DataFrame({'b': [4, 7, -3, 2], 'a': [0, 1, 0, 1]})
frame.sort_values(by='b') #按b列排序
frame.sort_values(by=['a', 'b']) #按b,a两列排序

rank

• rank方法能用于series和DataFrame
• rank方法默认会给每个group一个mean rank（平均排名）
• rank 表示在这个数在原来的Series中排第几名，有相同的数，取其排名平均（默认）作为值
• rank也可以根据数据被观测到的顺序来设定，设method='first’即可
  例：

obj = pd.Series([7, -5, 7, 4, 2, 0, 4])
#按值排序
obj.sort_values()

1   -5
5    0
4    2
3    4
6    4
0    7
2    7
dtype: int64

#rank排序按值的顺序
obj.rank()

0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64

#rank排序按被观测的顺序
obj.rank(method='first')

0    6.0
1    1.0
2    7.0
3    4.0
4    3.0
5    2.0
6    5.0
dtype: float64

说明：

1. rank按值排序：在obj中，按值排序4和4的排名是第4名和第五名，取平均得4.5。7和7的排名分别是第六名和第七名，则其排名取平均得6.5。也就是说在按值排序的基础上，如果重复出现，平均排名给予rank。
2. rank按观测排序：这里没有给0和2(指两个数字7)赋予average rank 6.5，而是给第一个看到的7（label 0）设置rank为6，第二个看到的7（label 2）设置rank为7。也就是说在按值排序的基础上，如果重复出现，按观测顺序依次给予rank。
3. dataframe的用法类似，只不过在此基础上可以指定按行还是按列（axis='columns’指列与列之间的排序）

数据合并

merge

类似MySQL的连接，语法为

pd.merge(df1, df2, on = 'key', how = 'left')

前两个参数是需要合并的两个数据框
on指合并参照的主键
how指的是合并方式，默认为内连接，还可以选择’left’，或’right’

concat

既可以行合并也可以列合并，语法为：

pd.concat([df1, df2], axis = 0)

axis指合并方向，默认为0，即行合并
注：可以通过join参数指定内连接或外连接（inner、outer）

区别

• concat和append可以实现的是表间”拼接“，而merge和join则实现的是表间”合并“。区别在于是否基于”键“来进行合并。如果只是简单地”堆砌“，则用concat和append比较合适，而如果遇到关联表，需要根据”键“来合并，则用merge和join。
• concat 和 merge是pandas的属性，所以调用的时候应该写成pd.concat()或者pd.merge()；而append和join是对DataFrame的方法，所以调用的时候应该写成df.append()或者df.join()。
• 类似于append之于concat，join可以完成的操作merge也都可以完成，因此merge更加强大。
• append和join存在的意义在于简洁和易用。
• 最关键地，concat后面对于df的参数形式是objs，这个objs可以是一个列表或者集合，里面可以有很多个df；而merge后面跟的参数形式是left和right，只有两个df。因此concat其实可以快速实现多表的拼接，而merge只能实现两表的合并。

注意：append或即将被取消使用，因此df.append对于长期项目尽量不要使用