pandas基础学习笔记4

一、透视表

1、 pivot

一般状态下，数据在DataFrame会以压缩（stacked）状态存放，两个类别被叠在一列中，pivot函数可将某一列作为新的cols：
此外，pivot函数具有很强的局限性，除了功能上较少之外，还不允许values中出现重复的行列索引对（pair）
注意：更多的时候会选择使用强大的pivot_table函数

2、pivot_table

pivot_table由于功能更多，速度上自然是比不上原来的pivot函数：
Pandas中提供了各种选项，下面介绍常用参数：
1） aggfunc：对组内进行聚合统计，可传入各类函数，默认为’mean’
2） margins：汇总边际状态
3）行、列、值都可以为多级

3、crosstab（交叉表）

交叉表是一种特殊的透视表，典型的用途如分组统计

交叉表的功能也很强大（但目前还不支持多级分组），重要的参数有：
1） values和aggfunc：分组对某些数据进行聚合操作，这两个参数必须成对出现
2） 除了边际参数margins外，还引入了normalize参数，可选’all’,‘index’,'columns’参数值

二、其他变形方法

1、melt

melt函数可以认为是pivot函数的逆操作，将unstacked状态的数据，压缩成stacked，使“宽”的DataFrame变“窄”
melt函数中的id_vars表示需要保留的列，value_vars表示需要stack的一组列

2、压缩与展开

1）stack：这是最基础的变形函数，总共只有两个参数：level和dropna
stack函数可以看做将横向的索引放到纵向，因此功能类似与melt，参数level可指定变化的列索引是哪一层（或哪几层，需要列表）
2）unstack：stack的逆函数，功能上类似于pivot_table

三、哑变量与因子化

##1、Dummy Variable（哑变量）

2、 factorize方法

该方法主要用于自然数编码，并且缺失值会被记做-1，其中sort参数表示是否排序后赋值