Pandas进阶

数据重塑和轴向旋转：

层次化索引：

层次化索引是pandas的一项重要功能，他能使我们再一个轴上拥有多个索引

 

多索引可以使得Series和DataFrame相互转换：

数据旋转

T 可以直接让数据的行和列进行交换

data.T  #貌似是转置矩阵

dataframe也可以使用stack和unstack，转化为层次索引的Series

data.stack()  #层次化seris,具体的行数据内容

data.stack().unstack()   #去除层次化，变回原样

数据分组，分组运算：

GroupBy技术：实现数据的分组，和分组运算，作用类似于数据透视表

只会对数值变量进行分组运算

group=df.groupby(df['产地'])  

##分组操作，根据哪一列进行分组

group.mean().head()   #分组后进行相关操作

df.groupby([df['产地'],df['年代']]).mean().head()  

df['评分'].groupby([df['产地'],df['年代']]).mean()

#明确对某一个数值变量列进行操作，而不是所有的数值变量列

#根据多变量进行分组，有先后顺序

Series通过unstack方法转化为dataframe——会产生缺失值

离散化处理：

合并数据集：

 

merge方法举例：

 

（3）concat

将多个相同类型的数据集进行批量合并

dff=pd.concat([df1,df2,df3],axis=0)

##默认axis=0 增加行数，axis=1增加列数，默认是纵向连接。