数据分析---Day03

01.pandas_hierarchical_indexing

			1/ 创建多层索引（下面有四种，只用显式的product这种就行）
			   1.1 隐式索引：直接在index或者columns中添加list，如下的班级
			   注：Series也一样
				index = [
						    ['一班','一班','一班','二班','二班','二班'],   
						    ['张三','李四','王五','赵六','田七','孙八']
						]
			1.2 显示索引：用pd.MultiIndex,三种方式，使用第三种，其他两种知道就行
						index = pd.MultiIndex.from_arrays( [
							    ['一班','一班','一班','二班','二班','二班'],
							    ['张三','李四','王五','赵六','田七','孙八']
							])

						index = pd.MultiIndex.from_tuples( 
						    (
						        ('一班','张三'),('一班','李四'),('一班','王五'),
						        ('二班','赵六'),('二班','田七'),('二班','孙八')
						    )    
						)
						index = pd.MultiIndex.from_product(
						    [
						        ['一班','二班'],
						        ['张三','李四','王五']
						    ]
						)

2/ 多层列索引的创建
3/ 多层索引对象的索引和切片操作
3.1 Series
   （1）索引：
   					显式：
   							s['一班’，'张三’]
   					隐式：
   							s[3]
   （2）切片：不要用显式
   					隐式：
   							s.iloc[0:5]
3.2 DataFrame
索引：
df.iloc[0,2] 
df.loc[('一班','张三'), ('期中','英语')]

切片：
df.iloc[:, 1:5]  # 使用隐式，不要使用显式
4. stack
		只需记住一条指令： df.stack(level=0)      #将第一层的列索引变成行索引
5.聚合函数
		df.sum(axis=1, level=0)          # sum/mean/max/min
	axis=0: 行，  sum(axis=0)表示各行相加， level表示第一层索引

02 pandas_combine

0. 回顾ndarray的级联
		np.concatenate((n1, n2))

	np.hstack((n1,  n2))
	np.vstack((n1, n2))

1. pd.concat()
   1.1 简单级联： pd.concat([df1, df2], axis=1, keys=[‘x’, ‘y’])
   1.2 不匹配级联：
   外连接：全部连接，空值用nan
   pd.concat([df1, df2], sort=True,join=‘outer’)
   内连接：只有共同部分
   pd.concat([df1, df2], sort=True,join=‘inner’)
   指定轴连接：（下面例子：用df1的列，让df2去合并）
   pd.concat([df1, df2], sort=True, join_axes=[df1.columns])
   1.3 用append()
   df1.append(df2, sort=True)
2. pd.merge()
   2.1 一对一合并
   pd.merge(df1, df2)
   2.2 多对一合并
   df1.merge(df2)
   2.3 多对多合并
   df1.merge(df2)
   2.4 key的规范化
   两个df合并时，会出现类似两个df中都有name， age，而key只能有一个，要选择其中一个作为key
   2.5 内合并和外合并
   合并时取交集还是取并集的问题
   2.6 列冲突的解决
   当列冲突时，即有多个列名称相同时，需要使用on来指定哪一个列作为key，配合suffixes指定冲突列名