入门数据分析之数据重组

一、两数据合并concat

语法：pd.concat([data1,data2] [,axis=0,sort =True])
[Data1,Data2] —— 要连接的数据
axis —— 按轴的方向连接，默认 axis = 0，以行的方向↓
sort —— 以什么排序，=Ture是默认的，pandas总是默认index排序;

import pandas as pd
data1 = pd.Series([0,1,2],index=['A','B','C'])
data2 = pd.Series([3,4],index=['D','E'])
data3 = pd.concat([data1,data2])
print(data3)

在上面的例子中，我们分别创建了两个没有重复Index的Series,然后用concat默认的把它们合并在一起，这时生成的依然是Series类型，如果我们把axis换成1，那生成的就是Dataframe,像下面一样

相同字段的表，首尾相接

frames = [df1, df2, df3]
result = pd.concat(frames)

二、两数据合并 join

语法：data1.join(data2, other, on=None, how=‘left’, lsuffix=’’, rsuffix=’’,sort=False):

join方法将两个DataFrame中不同的列索引合并成为一个DataFrame参数的意义与merge基本相同，只是join方法默认左外连接how=left

import pandas as pd
dict1 ={'姓名1':['赵','钱','孙'],'年龄1':[127,80,20]}
dict2 ={'姓名2':['周','吴','李'],'年龄2':[176,152,128]}
left = pd.DataFrame(dict1)
right = pd.DataFrame(dict2)
print(left.join(right))

三、两数据合并 append

append是series和dataframe的方法，使用它就是默认沿着行方向↓进行拼接，以字段为匹配
语法：result = df1.append(df2[，ignore_index =False])
Df1和df2 —— 要连接的数据；
ignore_index —— 是否忽略原index，默认=False不忽略；

四、两数据合并merage

首先merge的操作非常类似sql里面的join，实现将两个Dataframe根据一些共有的列连接起来，当然，在实际场景中，这些共有列一般是Id，
连接方式也丰富多样，可以选择inner(默认)，left,right,outer 这几种模式，分别对应的是内连接，左连接，右连接，全外连接
语法：pd.merage(leftdata,rightdata,how = inner,on = 列名,)
leftdata — 以左表为主；
rightdata — 要连接的表；
★how — 以什么方式链接；
★on — 用来对齐的列名，要保证左表和右表存在相同的列名；

（1）通过on指定数据合并对齐的列

result = pd.merge(left, right, on=['key1', 'key2'])

（2）没有指定how的话默认使用inner方法，除了内连接，还包括左连接、右连接、全外连接

左连接：
 result = pd.merge(left, right, how='left', on=['key1', 'key2'])

右连接：
result = pd.merge(left, right, how='right', on=['key1', 'key2'])

全外连接：
result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

五、堆叠和取消堆叠stack和unstack
如果原始数据集中的行列索引中均为层次索引，stack 过程表示将数据集的列旋转为行，同样 unstack 过程表示将数据的行旋转为列。


这些方法本质上是：
• stack：“透视”某个级别的（可能是多层的）列标签，返回带有索引的 DataFrame，该索引带有一个新的最里面的行标签。
• unstack：（堆栈的逆操作）将（可能是多层的）行索引的某个级别“透视”到列轴，从而生成具有新的最里面的列标签级别的重构的 DataFrame。
stack 过程将数据集的列转行，unstack 过程为行转列。
上例中，原始数据集索引有两层，堆叠过程就是将最列转到最内测的行上，unstack 是将最内层的行转移到最内层的列索引中。

五、分组与聚合

语法：df.groupby(by = None,axis = 0,level = None,as_index = True,sort = True,group_keys = True,squeeze = False,observe = False,** kwargs)[col].funcname
by — 分组字段，可以是列名/series/字典/函数，常用为列名；[多个列名需要用列表包含]；
axis — 以什么方向进行分，默认axis = 0，以行↓方向；
level — 对所有列方向进行聚合时使用，单独列聚合不建议用;
as_index — 是否将分组列名作为输出的索引，默认为True；当设置为False时相当于加了reset_index功能；
[col] — 按哪列或哪行进行聚合;
funcname — 用于聚合数据的函数；sum 等等
注：（）内以什么分组，[]内以什么聚合，最后是聚合的函数

df.groupby(col)          # 返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2])  # 返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2]   # 返回按列col1进行分组后，列col2的均值
df.groupby([col1,col2]) [col3].funcname  # 返按多列进行分组后，列col3求函数；