常用函数pandas数据分析中使用比较常见的几个函数:apply(

简介: 常用函数pandas数据分析中使用比较常见的几个函数:apply()applymap()map()transform()apply主要作用于DataFrame的

前言本篇是【机器学习与数据挖掘】头条号原创首发Python数据分析系列文章的第四篇Python数据分析系列文章之Python基础篇Python数据分析系列文章之NumpyPython数据分析系列文章之Pandas(上)Python数据分析系列文章之Pandas(下)Python数据分析系列文章之ScipyPython数据分析系列文章之MatplotlibPython数据分析系列文章之SeabornPython数据分析系列文章之PoltyPython数据分析系列文章之datetime本篇主要介绍pandas库使用比较多的知识点,有任何问题可以在评论区留言或者私信小编。

数据合并下面主要介绍数据合并中常见的操作:mergeconcatjoinmerge方法DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)参数解释:(1) 默认用两个DataFrame列的交集作为连接键取数据交集(2) 使用f1作为连接键,f2列名会出现后缀(3) 使用左边数据作为基准:(4) 以f1,f2作为连接键,且以右边的索引为索引:concat方法pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)参数(1) 按横轴连接(2) 按纵轴连接,设置sort=True忽略index:join方法DataFrame.join(other, on=None, how='left', lsuffix='', rsuffix='', sort=False)参数(1) 直接连接(2) 按照相同的列索引进行聚合上面三种方法就是Python数据分析使用最频繁的数据合并方法。

常用函数pandas数据分析中使用比较常见的几个函数:apply()applymap()map()transform()apply主要作用于DataFrame的某一行或者列上,(1)按行计算(2)按列计算applymap作用在dataframe的每一个元素上transformtransform将函数应用在各个分组上,然后将结果放在适当的位置. 如果各分组产生的标量值,则该标量值会被广播出去(注意与apply的差别,它不能自定义函数,不能同时对多列进行计算)。

看下面的区别:aggagg 方法将一个函数使用在一个数列上,然后返回一个标量的值。

数据聚合主要介绍数据聚合中常用的三方方法groupbycrosstab pivot_tablegroupby按列进行计算:crosstabpandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)参数计算示例:pivot_tablepivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')参数计算示例:总结本文主要介绍pandas库使用比较多的一些方法,是比较基础的,真正要做到熟练还是需要多联系。


以上是文章"

常用函数pandas数据分析中使用比较常见的几个函数:apply(

"的内容,欢迎阅读甘青宁科技网的其它文章