分组
grouby():
# df代表dataframe对象
df.groupby('分组字段').mean(聚合函数)
也可以使用透视表的形式pivot_table:
df.pivot_table(index='索引列',columns='行名' values='进行操作的数据', aggfunc='聚合函数')
数据组合:
concat():
pandas.concat([df1, df2, df3]) # 把多个df拼接到一切, 默认是追加: 行
# 重置索引
pandas.concat([df1, df2, df3],ignore_index=True)
# 设置拼接方式columns列拼接 rows行拼接
pandas.concat([df1, df2, df3], axis='columns', ignore_index=True)
pandas.concat([df1, df2, df3], axis='rows', ignore_index=True)
append():只拼接一个
df1.append(df2, ignore_index=True)
连接数据:
merge()
# how = left(左外连接) | right(右外连接) | inner(内连接)
df1.merge(df2[['关联字段名']], on='连接字段', how='连接方式')
# 上述函数可以进行三表连接
df1.merge(df2[['关联字段名']], on='连接字段', how='连接方式').merge(df3[['关联字段名']], on='连接字段', how='连接方式')
join():只能做横向链接,根据索引进行连接,默认是左外连接
df1.join(df2, lsuffix='df1', rsuffix='df2', how='连接方式')