pandas数据变形 添加行和列、merge、get_dummies、sample

添加行和列

• 使用[]和loc添加行
  

• 使用assign方法
  

• 使用loc可以对行进行添加
  

• append 拼接多个列表
  

删除行和列

DataFrame.drop(labels,axis,index,columns,inplace)

数据连接和合并

pandas.concat(objs,axis,join='outer',ignore_index=False

使用某种合并方式(inner/outer)
沿着某个轴向(axis=0/1)
把多个Pandas对象(DataFrame/Series)合并成一个。

merge 函数

pandas.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	说明
left	左表
right	右表
how	连接方式，inner、left、right、outer，默认为inner
on	用于连接的列名称
left_on	左表用于连接的列名
right_on	右表用于连接的列名
left_index	是否使用左表的行索引作为连接键，默认False
right_index	是否使用右表的行索引作为连接键，默认False
sort	默认为False，将合并的数据进行排序
copy	默认为True，总是将数据复制到数据结构中，设置为False可以提高性能
suffixes	存在相同列名时在列名后面添加的后缀，默认为(’_x’, ‘_y’)
indicator	显示合并数据中数据来自哪个表

• inner
  merge的’inner’的类型称为内连接，它在拼接的过程中会取两张表的键（key）的交集进行拼接。
  
  现在用’inner’的方式进行merge
  
  图文表示为
  
• left 和right
  'left’和’right’的merge方式其实是类似的，分别被称为左连接和右连接。这两种方法是可以互相转换的，所以在这里放在一起介绍。

‘left’
merge时，以左边表格的键为基准进行配对，如果左边表格中的键在右边不存在，则用缺失值NaN填充。

‘right’
merge时，以右边表格的键为基准进行配对，如果右边表格中的键在左边不存在，则用缺失值NaN填充。

现在用’left’的方式进行merge

• outer
  'outer’是外连接，在拼接的过程中它会取两张表的键（key）的并集进行拼接。看文字不够直观，
  
  

随机抽样

DataFrame.sample(n,frac,replace,axis,ignore_index，random_state)

n表示从数据集中随机选取n行数据，不能和frac参数同时使用。如果frac=None，那么n默认为1.
frac表示从数据集中选取一定比例的数据，不能和n同时使用。如果frac>1,replace必须为True
replace表示是否允许重复取样，即一条数据多次选取。默认为否

ge_dummies

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

data : array-like, Series, or DataFrame 输入的数据
prefix : string, list of strings, or dict of strings, default None。get_dummies转换后，列名的前缀
columns : list-like, default None。指定需要实现类别转换的列名
dummy_na : bool, default False，增加一列表示空缺值，如果False就忽略空缺值
drop_first : bool, default False，获得k中的k-1个类别值，去除第一个。