python groupby用法_Python数据分析黑色星期五-知识点整理

1.把数据放在dataframe
df = pd.read_csv('路径')
2.查阅dataframe的信息：http://df.info（）
3.查看df的前5
df.head（5）
4.查看哪里有空值
df.isna().any()
5.输出某列中去重后的值
print (df['Product_Category'].unique())

• 切忌，unique()是函数，前面需要加.

6.数据清洗：替换原来的控制
df.fillna(value=0,inplace=True)

• Ture = 直接修改原对象
• False = 新建副本保存（默认）

关于fillna（）函数的解释：https://blog.csdn.net/weixin_39549734/article/details/81221276
7.删除不需要的列：
df. drop（columns=["User_ID","Product_ID"],inplace=True）
(因为"User_ID"，"Product_ID"是列，如果单独dataframe的话，他们就是一个一维结构的数据集，Series；相对应二维数据的数据集是Dataframe)
8.数据可视化：seaborn和matplotlibhttps://www.jianshu.com/p/4b925654f506

• Matplotlib 要求原始数据的输入类型为 Numpy 数组
• Seaborn 要求原始数据的输入类型为 pandas 的 Dataframe 或 Numpy 数组

import seaborn as sns
sns.countplot(df['Gender'])也可以写成: sns.countplot(df.Gender)
9.seaborn中的countplot的hue参数，可以通过控制hue参数，来更细分数据
关于countplot的用法：

• http://seaborn.pydata.org/generated/seaborn.countplot.html?highlight=countplot#seaborn.countplot
• https://blog.csdn.net/qixizhuang/article/details/85093544
• https://segmentfault.com/a/1190000015310299

sns.countplot(df['Age'],hue=df['Gender'])
10.理解pandas中的apply()函数 和 python的lambda函数 和 %s %的用法

• 理解apply():
  • http://www.cnblogs.com/wuzhiblog/p/python_new_row_or_col.html
  • https://www.jianshu.com/p/84bed15e9e6b
• 理解lambda() ：
  • https://www.cnblogs.com/hf8051/p/8085424.html
• 理解%s %
  • https://www.cnblogs.com/wh-ff-ly520/p/9390855.html

简单来说，

• 对于apply()：
  • 这个函数需要自己实现，函数的传入参数根据axis来定，比如axis = 1，就会把一行数据作为Series的数据。
  • 结构传入给自己实现的函数中，我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数
  • 会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构并返回。
• 对于lambda：其中的 x 是作为一个像for遍历里面的 i 值
  • add = lambda x, y : x+y
    • add(1,2) # 结果为3
  • 需求：将列表中的元素按照绝对值大小进行升序排列
    • list1 = [3,5,-4,-1,0,-2,-6]
    • sorted(list1, key=lambda x: abs(x))
• 对于%s % : 它是作为一个可输入或可变化的变量
  • name= input("Please input your name: ")
  • print("Hello, %s good morning!" %name)
  • Please input your name: Xiaolizi #输入名字Xiaolizi
  • Hello, Xiaolizi good morning! #print 命令<br><br><br><br>

11.画饼图

https://blog.csdn.net/jagbiam1000/article/details/79595279

x       (每一块)的比例，如果sum(x) > 1会使用sum(x)归一化
labels  (每一块)饼图外侧显示的说明文字
explode (每一块)离开中心距离
startangle  起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起
shadow  是否阴影
labeldistance label绘制位置,相对于半径的比例, 如<1则绘制在饼图内侧
autopct 控制饼图内百分比设置,可以使用format字符串或者format function
        '%1.1f'指小数点前后位数(没有用空格补齐)
pctdistance 类似于labeldistance,指定autopct的位置刻度
radius  控制饼图半径

• 普通画图

plt.pie(df['City_Category'].value_counts(), labels=df['City_Category'].unique(),autopct='%1.1f%%')

• 通过groupby聚合后画图

plt.pie(df.groupby('City_Category')['Purchase'].sum(), labels = df['City_Category'].unique(),autopct='%1.1f%%')