Pandas —groupby()、append、insert的详细用法

泡泡怡

已于 2022-07-24 20:04:29 修改

阅读量670

点赞数 3

分类专栏： python 文章标签： pandas python 数据分析

于 2022-07-24 20:03:25 首次发布

本文链接：https://blog.csdn.net/m0_72662900/article/details/125963321

版权

python 专栏收录该内容

39 篇文章 33 订阅

订阅专栏

1.分组
groupby()可以通过传入需要分组的参数实现对数据的分组.

import pandas as pd
oly=pd.read_csv('olympics.csv',skiprows=4)
group2=oly.groupby(['Edition','NOC'])  #多层分组
b=group2.get_group((1912,'FRA'))  #多层分组提取，提取Edition=1912,NOC='FRA'那个分组，返回DataFrame
print(b)

           City  Edition       Sport   Discipline  \
2067  Stockholm     1912   Athletics    Athletics   
2068  Stockholm     1912   Athletics    Athletics   
2069  Stockholm     1912   Athletics    Athletics   
2070  Stockholm     1912   Athletics    Athletics   
2073  Stockholm     1912   Athletics    Athletics   
2160  Stockholm     1912  Equestrian     Eventing

............................................................................and so forth

2.透视表（pivot table）(本质是一种分组计算）

相当于分组选定的数据列进行函数运算

import pandas as pd
import numpy as np
df = pd.read_excel("sales-funnel.xlsx")
print(df)
#将"Name"作为index,对各数据型列进行操作,默认是mean操作，返回作用结果
print(pd.pivot_table(df,index=["Name"]))

3.合并（append、insert）

常用append,insert实现行追加、列追加和列插入

(1)append(用于行追加数据，不能利用该命令做行插入)

注意：1.append是series和dataframe的方法，使用它就是按行进行追加数据（不能横拼接）
2.append不能实现行插入，若想实现行插入功能，只能分块拆分再合并追加。

s3=[['a8','b8','c8','d8'],['a9','b9','c9','d9'],['a10','b10','c10','d10'],['a11','b11','c11','d11']]
df3=pd.DataFrame(s3,index=[8,9,10,11],columns=['A','B','C','D'])    
result1 = df1.append(df3,ignore_index=True)
result1#忽略df3的index,重新以0,1,2,...定义新的index。

(2)insert(列插入，只能插入1列)

my_array=np.arange(20).reshape((4,5))
my_data=pd.DataFrame(my_array,columns=['A','B','C',"D",'E'])
my_data['F']=pd.Series([89,90,1001,100])
my_data['g']=[2,3,15,28]
insert_col=np.array([89,1,9,3])
my_data.insert(4,'insert1',insert_col)
my_data.insert(2,'insert2',1000)
my_data

结果：

3.练习题（先不要看答案哟！试一下你有没有真正的掌握）

参考答案：

import pandas as pd
list1=[['a0','b0','c0','d0'],['a1','b1','c1','d1'],['a2','b2','c2','d2'],['a3','b3','c3','d3']]
list2=[['a4','b4','c4','d4'],['a5','b5','c5','d5'],['a6','b6','c6','d6'],['a7','b7','c7','d7']]
df1=pd.DataFrame(list1,columns=['A','B','C','D'])  
df2=pd.DataFrame(list2,columns=['A','B','C','D']) 
result = df1.append(df2,ignore_index=True)  
result