pandas:透视表， sort_values()排序，to_datetime() 时间格式转换并筛选指定时间段得数据， 高级函数

1. 透视表

1.1 场景说明

• 通常情况下使用groupby就能完成透视图的效果的， 但在一些需要操作多行多列的情况下， 使用透视表函数会更为直观。

1.2 参数详解

• data：dataframe格式数据
• values：需要汇总计算的列，可多选
• index：行分组键，一般是用于分组的列名或其他分组键，作为结果DataFrame的行索引
• columns：列分组键，一般是用于分组的列名或其他分组键，作为结果DataFrame的列索引
• aggfunc：聚合函数或函数列表，默认为平均值
• fill_value：设定缺失替换值
• margins：是否添加行列的总计
• dropna：默认为True，如果列的所有值都是NaN，将不作为计算列，False时，被保留
• margins_name：汇总行列的名称，默认为All
• observed：是否显示观测值

1.3 示例

参考示例

https://zhuanlan.zhihu.com/p/267208129

实际应用示例

pivot = pd.pivot_table(df,
                           index=dict_config["cabinet_temperature"][
                               "filter_col_station"][0],
                           values=legend, 
                           aggfunc=np.max)

2. sort_values()排序

2.1 使用场景

• 可以指定列排序， 有时会指定多列， 且每列的规则排序规则不同（也可以是行， 如需自已排序可以利用apply函数自定义规则而不使用sort_values）(可选升序降序)

2.2 参数详解

• by 指定要进行排序的列名或索引值
• axis： 若 axis=0 或 ‘index’，则按照指定列的数据大小排序；若 axis=1 或 ‘columns’，则按照指定索引中数据大小排序。默认axis=0
• ascending：若 ascending=True，则按照升序排序；若 ascending=False，则按降序排序，默认为True，即升序排序。如果这是一个 bool 列表，则必须匹配 by 的长度
• kind: str = “quicksort”, 可选择稳定排序，根据实际情况选择
• na_position: str = “last”, 排序后na值得位置
• inplace： 排序后的数据是否替换原来的数据，默认为False，即不替换
• ignore_index 是否重置索引，默认为不重置

2.3 示例

参考示例

https://blog.csdn.net/BlueWhale52/article/details/119187311

实际应用示例

 # 对多列排序 机柜升序，舱门升序， 截止日期降序
    df = df.sort_values(by=dict_config[
                               "lock_store"]["filter_col_area"][4:7],
                        ascending=[True, True, False],
                        ignore_index=True)

3. to_datetime() 时间格式转换并筛选指定时间段得数据

3.1 使用场景

• 当需要根据时间筛选df对象是， 需要转化时间格式

3.2 参数详解

• pandas.to_datetime(param, format=“”)

3.3 示例

参考示例

https://www.delftstack.com/zh/howto/python-pandas/how-to-convert-dataframe-column-to-datetime-in-pandas/

实际应用示例

 # 转化时间类型 并筛选
    # 1. 转化时间格式
    df[dict_config["lock_store"]["filter_col_area"][6]] = pd.to_datetime(
        df[dict_config["lock_store"]["filter_col_area"][6]],
        format="%Y-%m-%d %H:%M:%S")
    tem_time = datetime.datetime.strptime(dict_config["lock_store"]["filter_condition_area"][2],
                                          "%Y-%m-%d %H:%M:%S")
    # 2. 统计周期最后一天的时间的最后五分钟 23:55:00
    df = df[df[dict_config["lock_store"]["filter_col_area"][6]] >= tem_time]

4。 拓展 高级函数

• 函数里得一等公民 filter（） ， map()， 2.reduce() -

http://www.zzvips.com/article/214140.html

• 魔法函数

• http://www.zzvips.com/article/214140.html