一文看懂怎么用Python做数据分析

行使 merge 函数对两个数据表举办归并，归并的方法为 inner，将两个数据表中共有的数据匹配到一路天生新的数据表。并定名为 df_inner。

#数据表匹共同并，inner模式 
df_inner=pd.merge(df,df1,how='inner') 

除了 inner 方法以外，归并的方法尚有 left，right 和 outer 方法。这几种方法的不同在我其他的文章中有具体的声名和比拟。

#其他数据表匹配模式 
df_left=pd.merge(df,df1,how='left') 
df_right=pd.merge(df,df1,how='right') 
df_outer=pd.merge(df,df1,how='outer') 

配置索引列

完成数据表的归并后，我们对 df_inner 数据表配置索引列，索引列的成果许多，可以举办数据提取，汇总，也可以举办数据筛选等。

配置索引的函数为 set_index。

#配置索引列 
df_inner.set_index('id') 

排序(按索引，按数值)

Excel 中可以通过数据目次下的排序按钮直接对数据表举办排序，较量简朴。Python 中必要行使 ort_values 函数和 sort_index 函数完成排序。

在 python 中，既可以按索引对数据表举办排序，也可以看拟定列的数值举办排序。起首我们按 age 列顶用户的年数对数据表举办排序。

行使的函数为 sort_values。

#按特定列的值排序 
df_inner.sort_values(by=['age']) 

Sort_index 函数用来将数据表按索引列的值举办排序。

#按索引列排序 
df_inner.sort_index() 

数据分组

Excel 中可以通过 VLOOKUP 函数举办近似匹配来完成对数值的分组，可能行使“数据透视表”来完因素组。响应的 python 中行使 where 函数完成数据分组。

Where 函数用来对数据举办判定和分组，下面的代码中我们对 price 列的值举办判定，将切合前提的分为一组，不切合前提的分为另一组，并行使 group 字段举办标志。

#假如price列的值>3000，group列表现high，不然表现low 
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low') 

除了 where 函数以外，还可以对多个字段的值举办判定后对数据举办分组，下面的代码中对 city 列便是 beijing 而且 price 列大于便是 4000 的数据标志为 1。

#对复合多个前提的数据举办分组标志 
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1 

数据排列

与数据分组相反的是对数值举办排列，Excel 中的数据目次下提供“排列”成果。在 python 中行使 split 函数实现排列。

在数据表中 category 列中的数据包括有两个信息，前面的数字为种别 id，后头的字母为 size 值。中间以连字符举办毗连。我们行使 split 函数对这个字段举办拆分，并将拆分后的数据表匹配回原数据表中。

#对category字段的值依次举办排列，并建设数据表，索引值为df_inner的索引列，列名称为category和size 
pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']) 

#将完身排列后的数据表与原df_inner数据表举办匹配 
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True) 

05 数据提取

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!