python-数据分析-（11）pandas聚合函数、透视表、交叉表、表格合并常见操作

一 聚合函数

1. numpy、pandas使用的统计方式

    在数组中经常使用的聚合方式
    data[['counts', 'ches_name']].agg([np.mean, np.std])
    agg({'xx':np.mean, 'xx2':[np.sum, np.std]})

2. 在pandas或者numpy中没有现成的函数可以使用，可以使用transform自定义函数

如： 将指定列的全部数据 * 2

    方式一
    data['counts'].transform(lambda x: x*2)

    方式二:按照函数内既定的规则，进行指定数据的操作
    def transform_func(values):
    	"""自定义函数，定义数据操作规则"""
    	return values*2
    data['counts'].transform(transform_func)   # 一维
    data1 = data.groupby(by='品牌')['销售额'].transform(tran_func)  # 分组之后自定义聚合

二 透视表 - pivot_table

    源码参数分析
    def pivot_table(
        data,             # Dataframe,对哪张表进行操作
        values=None,      # 显示的字段
        index=None,       # 行分组键，可以是数组，列表，如果是数组，必须有一样的长度
        columns=None,      # 列分组键
        aggfunc="mean",    # 聚合函数， 默认是mean
        fill_value=None,   # 填充空值, 将为Nan的值填充为对应的值
        margins=False,     # 汇总开关，默认是False
        dropna=True, 
        margins_name="All", # 汇总的列或者行的bolumns，可以指定修改名称
        observed=False,

1、index： 行分组键，分完组后，分组键的取值在行索引的位置上

    pd.pivot_table(data, index=['order_id', 'dishes_name'], aggfunc=[np.mean, np.sum], values=['add_inprice', 'counts'])
                                    mean                sum       
                             add_inprice counts add_inprice counts
    order_id dishes_name                                          
    137      农夫山泉NFC果汁100%           0      1           0      1
             凉拌菠菜                      0      1           0      1
             番茄炖牛腩\r\n                 0      1           0      1
             白饭/小碗                     0      4           0      4
             西瓜胡萝卜沙拉                   0      1           0      1
    ...                              ...    ...         ...    ...
    1323     番茄炖秋葵