Pandas库Dataframe基本函数及方法

• head(n): 返回前 n 行数据，默认为前 5 行。
• tail(n): 返回后 n 行数据，默认为后 5 行。
• shape: 返回 DataFrame 的维度，即行数和列数。
• info(): 显示 DataFrame 的基本信息，包括列名、数据类型和非空值数量等。
• describe(): 显示 DataFrame 的统计摘要，包括计数、均值、标准差、最小值、最大值等统计信息。
• columns: 返回 DataFrame 的列名列表。
• index: 返回 DataFrame 的索引值列表。
• loc[row_label, col_label]: 通过标签获取特定行和列的数据。
• iloc[row_index, col_index]: 通过位置索引获取特定行和列的数据。
• fillna(value): 将缺失值填充为指定的值。
• dropna(): 删除包含缺失值的行。
• sort_values(by, ascending=True): 按指定列的值对 DataFrame 进行排序。
• groupby(by): 按指定列进行分组操作。
• merge(other_df, on='column_name'): 根据指定列将两个 DataFrame 进行合并。
• pivot_table(values, index, columns, aggfunc): 创建透视表，根据指定的值、行、列和聚合函数进行数据汇总。
• apply(func): 对 DataFrame 的每个元素应用指定的函数。
• map(dict_or_func): 根据字典或函数映射 Series 或 DataFrame 的值

    ##在Pandas中,groupby()是非常常用的一个分组函数,它可以将DataFrame进行分组,非常适合对数据进行拆分、应用和合并。需要注意的是,在分组前通常需要对DataFrame进行排序,这样可以保证同一组的数据聚集在一起,便于操作。

#按照一列或者多列进行分组
df.groupby('列名')
# 或
df.groupby(['列名1','列名2'])


#分组后聚合运算
df.groupby('列名').sum()
df.groupby('列名').mean()

#在分组上应用变换
df.groupby('列名').transform(lambda x: x + 100)

#在分组上进行迭代
for name, group in df.groupby('列名'):
    print(name)
    print(group)


#按分组进行筛选
df.groupby('列名').filter(lambda x: x['count'] > 2)