Python知识点大纲

• Pandas
• • 基础
  • • 数据类型
    • 透视表功能
    • • df.groupby
      • pd.pivot_table 更像透视表
      • pd.pivot: reshape data
    • combining data
  • 高阶用法
  • • missing data
    • duplicate data
• Numpy

• df.dtypes 查看字段数据类型
• df[‘a’].astype(‘float’) 数据类型转化

(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=NoDefault.no_default, observed=False, dropna=True)
@level: 当df是多维度索引时，可以用level参数进行第i层索引聚合

- 常规用法：df.groupby(['col1','col2']).mean()  # sum(),count()

- 不同字段实现不通聚合-基础 # 结果是二级索引
f = {'ado':['sum'], 'seller':['count']}
df.groupby('country').agg(f) 	 	

- 不同字段实现不通聚合-改名 
df.groupby('country').agg(
						ado_sum=('ado','sum'),
						seller_cnt=('seller','count'),
						ado_range=('ado',lambda x: x.max()-x.min()
)

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False, sort=True)
<==>df.pivot_table(values, index...)

# 基础：
table = pd.pivot_table(df, values='D', index=['A', 'B'],
                    	columns=['C'], aggfunc=np.sum, fill_value=0)

# 进阶：
table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
                    	aggfunc={'D': np.mean,
                             	 'E': [min, max, np.mean]})

pandas.pivot(data, index=None, columns=None, values=None)
没有聚合函数，仅是row转column，不能有重复的行列

• pd.merge(df1, df2, how, on) <==> df1.merge(df2, how, on)

pd.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)

默认重叠列拼接
@how： {‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’}, default ‘inner’
@on/left_on/right_on：join的key
@suffixes： 相同字段的后缀

• df1.join(df2, on=None, how='left', lsuffix='', rsuffix='', sort=False 功能与merge类似

默认行索引拼接，重叠列拼接（没啥区别？）
@how: {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘left’

• pd.concat()
  用于多个df行方向/列方向的拼接
  pandas.concat(objs, axis=0, join=‘outer’, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)

@objs：[df1,df2,…]
@axis：=1时，会根据索引进行拼接
@ignore_index：True, 会重新索引
@key：指定索引名字
@name：指定拼接后的列名
特殊应用：pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)], ignore_index=True)

• df.append()
  用户行方向的拼接

• df.dropna()

@axis: {0 or ‘index’, 1 or ‘columns’}, default 0
@how: {‘any’, ‘all’}, default ‘any’
@thresh: int, optional（至少几个非空保留）
@subset: index / columns （哪几列/行判断是否NA）
@replace: bool, default False

• df.fillna()
• df.isnull()
• df.notna()

• s3.unique() #Return unique values，series去重，df不行
• df.duplicated(subset=None, keep='first') # check duplicates

@subset: index / columns （哪几列/行判断是否重复）
@keep: {‘first’, ‘last’, False} （保留前值还是后值）
@return: T/F
first表示第二次出现为重复值(标记为T)；last表示前面出现为重复值(标记为T)；false表示每个都为重复值

• df.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False) # drop duplicates

@ignore_index: 重新索引