数据的合并和分组聚合

01字符串离散化：

02数据合并：

join：默认情况下他是把行索引相同的数据合并到一起

 

 merge:按照指定的列把数据按照一定的方式合并到一起

默认的合并方式inner，交集

merge outer，并集，NaN补全

merge left，左边为准，NaN补全

merge right，右边为准，NaN补全 

03数据分组和聚合：

grouped = df.groupby(by="columns_name")

grouped是一个DataFrameGroupBy对象，是可迭代的

grouped中的每一个元素是一个元组

元组里面是（索引(分组的值)，分组之后的DataFrame）

 

DataFrameGroupBy对象有很多经过优化的方法

如果我们需要对国家和省份进行分组统计？

grouped = df.groupby(by=[df["Country"],df["State/Province"]])

很多时候我们只希望对获取分组之后的某一部分数据，或者说我们只希望对某几列数据进行分组，这个时候我们应该怎么办呢？

获取分组之后的某一部分数据：

 df.groupby(by=["Country","State/Province"])["Country"].count()

对某几列数据进行分组：

 df["Country"].groupby(by=[df["Country"],df["State/Province"]]).count()

t1 = df[["Country"]].groupby(by=[df["Country"],df["State/Province"]]).count()
t2 = df.groupby(by=["Country","State/Province"])[["Country"]].count()

以上的两条命令结果一样

和之前的结果的区别在于当前返回的是一个DataFrame类型(多加一个[]）

03数据索引：

简单的索引操作：

• 获取 index ： df.index

• 指定 index ： df.index = [' x','y ']

• 重新设置 index : df.reindex (list(" abcedf "))

• 指定某一列作为 index ： df.set_index (" Country",drop =False)

• 返回 index 的唯一值： df.set_index ("Country"). index.unique ()

假设a为一个DataFrame,那么当a.set_index(["c","d"])即设置两个索引的时候是什么样子的结果呢？

a = pd.DataFrame({'a': range(7),'b': range(7, 0, -1),'c': ['one','one','one','two','two','two', 'two'],'d': list("hjklmno")})

 我只想取索引h对应值怎么办？

 那么：DataFrame是怎样取值呢？