利用python进行数据分析—9.数据规整：连接、联合与重塑

最新推荐文章于 2024-03-16 21:06:13 发布

哎呦-_-不错

最新推荐文章于 2024-03-16 21:06:13 发布

阅读量409

点赞数 1

分类专栏： # 《利用python进行数据分析》学习文章标签：数据分析数据规整连接联合重塑

本BLOG上原创文章未经本人许可，不得用于商业用途，转载请注明出处。

本文链接：https://blog.csdn.net/weixin_46649052/article/details/114999143

版权

本文详细介绍了如何利用Python进行数据规整，包括分层索引的概念与操作，如重排序和层级排序，以及数据集的联合与合并，如数据库风格的DataFrame连接、按索引合并和轴向连接。此外，还探讨了数据的重塑和透视方法，如使用多层索引进行数据的堆叠和拆分。

摘要由CSDN通过智能技术生成

文章目录

引言

在很多应用中，数据可能分布在多个文件或数据库中，抑或以某种不易分析的格式进行排列。

9.1分层索引

分层索引即允许在一个轴上拥有两个或两个以上索引的层级。分层索引提供了一种在更低维度的形式中处理更高维度数据的方式。
Series对象的分层索引
在这里插入图片描述

使用unstack方法将Series数据在DataFrame中重新排列，unstack的反操作是stack

在DataFrame中每个轴都可以拥有分层索引，行分层索引在index参数中嵌套列表，列分层索引在columns参数中嵌套列表，层级名称用属性name来指定
在这里插入图片描述

带有层级名称的DataFrame的列还可以用MultiIndex来创建

9.1.1重排序与层级排序

重排序即重新排列轴上的层级顺序；层级排序即按照特定层级的值对数据进行排序。swaplevel方法接收两个层级序号或层级名称，返回一个进行了层级变更的对象。

Signature: pd.DataFrame.swaplevel(self, i=-2, j=-1, axis=0) -> 'DataFrame'
Docstring:
Swap levels i and j in a MultiIndex on a particular axis.

Parameters
----------
i, j : int or str
    Levels of the indices to be swapped. Can pass level name as string.

Returns
-------
DataF