本文主要探讨了数据挖掘中的表处理技术，包括如何使用pandas创建透视表，设置不同参数如values、index、columns和aggfunc等进行统计分析；介绍了合并表的axis、join、ignore_index等选项，以及如何处理不同连接方式和共同字段；最后讨论了分组聚合，强调了指定分组变量和执行统计操作的重要性。
透视表
diamonds.csv
透视表
pd.pivot_table(data,values,index,columns,aggfunc,fill_value,margins,dropna,
margins_name)
values：拉入统计项的字段
index：拉入行标签
columns：拉入列标签
aggfunc：统计函数
fill_values：填充缺失值
margins：显示总计值
margins_name：总计值名
在数据可视化中，使用pandas绘图时，使用透视图处理数据。
合并表
pd.concat(objs,axis,join,join_axes,ignore_index,keys)
axis：0行合并，1列合并
join：outer合并所有，inner合并公共
join_axes：保留数据轴
ignore_index：产生新索引
keys：增加索引区分数据部分
pd.merge(left,right,how,on,left_on,right_on,left_index,right_index,sort,su
最低0.47元/天 解锁文章
扫一扫
1841
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
