2024.2.1寒假学习笔记

1.利用字典创建Dataframe：

visits_data = {
    'visit_id': [1, 2, 4, 5, 6, 7, 8],
    'customer_id': [23, 9, 30, 54, 96, 54, 54]
}

visits_df = pd.DataFrame(visits_data)

2.“~”符用来反转布尔索引，例：

vdata = visits_df[~visits_df['visit_id'].isin(transactions_df['visit_id'])].groupby('customer_id').size()

3.Groupby后用size()：

df.groupby('customer_id').size()

4.groupby().size().reset_index()修改的是分组组内个数的那一列

5.pd.merge() 

pd.merge( left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None,)

参数on：指定主键，如果两张表有相同的列也可以不指定主键，如果有多个相同的列，在不指定how的情况下，会默认采用内连接，即只拼接这几列都相同的部分

参数left_index和right_index：默认为False，设为True以后会按照两张表的index进行默认内连接

参数how：默认inner 若为outer，为保留两张表全部信息，缺失部分用NaN填充，若为left或right，则保留左（右）表全部信息，缺失部分用NaN填充

参数lefton和righton：可以指定两表中不名字不相同的两列作为主键（按相同的值连接）

参数suffixes：用于修改相同列后的后缀，如suffixes=('_left', '_right')

参数indicator：默认为False，设为True后会在拼接好的表后加一列_merge，用于表明这一行数据来自于哪个表（left_only,right_only,both)（pd.concat中也有这一参数）

6.DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)

用于去除重复项，参数subset用于指定需要筛选的列，inplace默认为False返回一个复制样本，True则在原dataframe上修改

transactions_df.drop_duplicates(subset=['visit_id'])

7.dataframe.isin()方法

传入一个Sequence，可以与loc[]连用进行筛选

visits_df[visits_df['visit_id'].isin(transactions_df['visit_id'])]