Pandas是数据挖掘常见的工具，掌握使用过程中的函数是非常重要的。
sort_values
(dogs[dogs['size'] == 'medium']
.sort_values('type')
.groupby('type').median()
)- 1.
- 2.
- 3.
- 4.
执行步骤：
- size列筛选出部分行
- 然后将行的类型进行转换
- 按照type列进行分组，计算中位数
selecting a column
dogs['longevity']- 1.
groupby + mean
dogs.groupby('size').mean()- 1.
执行步骤：
- 将数据按照size进行分组
- 在分组内进行聚合操作
grouping multiple columns
dogs.groupby(['type', 'size'])- 1.
groupby + multi aggregation
(dogs
.sort_values('size')
.groupby('size')['height']
.agg(['sum', 'mean', 'std'])
)- 1.
- 2.
- 3.
- 4.
- 5.
执行步骤
- 按照size列对数据进行排序
- 按照size进行分组
- 对分组内的height进行计算
filtering for columns
df.loc[:, df.loc['two'] <= 20]- 1.
filtering for rows
dogs.loc[(dogs['size'] == 'medium') & (dogs['longevity'] > 12), 'breed']- 1.
dropping columns
dogs.drop(columns=['type'])- 1.
joining
ppl.join(dogs)- 1.
merging
ppl.merge(dogs, left_on='likes', right_on='breed', how='left')- 1.
pivot table
dogs.pivot_table(index='size', columns='kids', values='price')- 1.
melting
dogs.melt()- 1.
pivoting
dogs.pivot(index='size', columns='kids')- 1.
stacking column index
dogs.stack()- 1.
unstacking row index
dogs.unstack()- 1.
resetting index
dogs.reset_index()- 1.
setting index
dogs.set_index('breed')- 1.
