Pandas进阶

1、数据转换

1、apply,applymap应用

apply对DataFrame中的某一Series进行操作，上例中将Python中的成绩统一加100，使用的是简单隐式函数。

applymap是DataFrame中专有的，可以同时计算DataFrame中的每一个元素。

applymap可以同时将DataFrame中的所有数据进行操作。

2、transform使用

1、对一列执行一种操作

 2、对一列执行多种操作

 3、对多列执行不同操作

 3、重排随机抽样哑变量

 numpy中的方法permutation用于随机排列十个变量，然后将其赋值为行索引，按照随机排列的索引输出。

 哑变量，是独热编码，1表示有，0表示没有。示例中，0，1索引有b，所以b在0，1索引下显示为1。

2、数据重塑

.T转置。

 多层索引pd.MultiIndex.from_product

 多层列索引。

 行索引转为列索引，默认最里层调整。

 列索引转变行索引

 多层索引运算。

计算个人期中期末的总分数

 计算各科，期中期末的平均分

 4、数学和统计方法

1、简单统计指标

 统计各科60分以下的，60分一下为空数据标记出来。

 统计非空数据，也就是及格人数。

 统计中位数。

 统计最高分。

 索引标签，获得最大值，最小值位置。

 5、数据排序

 当前行索引是一个乱序，根据索引列名排序

 

 根据python的属性来排序。

 先根据Python排序，后根据Keras排序

 6、分箱操作

指定宽度分箱，将成绩划分为4个等级

 之前学过的transform和map，apply也有同样功能。

等频分箱

 6、分组聚合

计算男女各科成绩平均分

 计算男女个数

 计算男女在各班的人数

 获取每个班，男生女生最高分

 分组聚合agg

通过agg，分类后进行多种统计汇总。