七. 高级方法

高级方法

• apply()
  apply()是一个非常常用并且好用的方法，它允许我们自定义一个函数并且应用到我们的数据中。
  比如我们现在有这样的需求，求出每一列数据的最大值与最小值的差，可以这样使用。
  

  默认情况，是以0轴方向应用的这个函数，但是我们可以指定1轴，这时候，我们求得就是每一行的最大值与最小值的差
  

  在函数比较复杂的情况下，你也可以单独的定义一个函数，而不是使用lambda表达式。
  

• applymap()
  applymap()与apply()区别在于，applymap()是以数据里面的每一个元素为单位，传给apply里面的函数，而apply()则是以行或者列为单位。

  比如，我们想让我们全部的数据每一个都加上5。
  

• agg()
  对一组数据进行多种统计操作，比如求和，均值，计数，只需要将需要的函数名放在一个列表里面。

  df = pd.DataFrame(np.random.randn(5,4), columns=['value1', 'value2', 'value3', 'value4'])
  df.agg(['mean', 'max', 'min'])

  

• pivot_table()
  相当于excel里面的数据透视表
  首选创建一组示例数据
  df = pd.DataFrame({'key1':['a','b','b','b','a'], 'key2':['one','two','one','two','one'], 'value1':np.random.randn(5), 'value2':np.random.randn(5)}) df
  使用数据透视表

  

  df.pivot_table(['value1'], index='key1', columns='key2')

  

  同样是上面的数据，还可以进行分项汇总

  df.pivot_table(index='key1', columns='key2', margins=True)

  

• cross_tab()
  交叉表，可以按照指定的行和列统计分组频数

  pd.crosstab(index = df.key1, columns = df.key2, margins=True)

  

• map()
  使用字典，Series或者函数，将Series里面的数据做一个映射。

  train['Sex_male'] = train.Sex.map({'female':0, 'male':1})

  通过以上的变换，就可以讲Sex这一列的数据中的female映射成0，male映射成1.

• get_dummies()
  一位有效数字（one-hot）编码， 下面是将泰坦尼克号的港口进行编码。

  Embarked_dummies = pd.get_dummies(train.Embarked, prefix='Embarked')
  Embarked_dummies.head()

  

  在编码之后，我们可以配合contact()方法将编码的结果合并到原来的数据上。
  train = pd.concat([train, Embarked_dummies], axis=1)
  另外，使用contact()方法还可以将DataFrame类型进行编码。

  pd.get_dummies(train, columns=['Sex', 'Embarked'])

  需要注意的是，以上的方法将会删除train中Sex和Embarked列，返回一个train的拷贝。

转载于:https://www.cnblogs.com/cnkai/p/7817073.html