Pandas 操作数据（三）

「爱情、让人受尽委屈。」 2023-10-05 23:32 56阅读 0赞

### 一、汇总和计算统计 ###

![6713effd527f45bea66095383bd115c5.png][]

**1、mean(）平均值 ，默认skipna=True 是不计算空值NaN;**

![74e94a6f7380454c8de7d5f0f1b2ec07.png][] **2、sum() 求和，idxmax() 求最大值索引值,依此类推idxmin()类似**

![8c15fd247ef941a49b1bb2254f516342.png][]

**3、describe() 针对 Series 或 DF 的列计算汇总统计**

![c5ad700991c6485daf2549ba0b8c9cf7.png][]

**4、其他统计方法，min(),max(),mean(),median(),std(),var(),kurt()等等**

![c88d22586abf44939ec804d8f8b8af0a.png][]

**5、cumsum()累计和**

![7c76fba43a58438596ad8dc4b74414f9.png][]

### 二、数据处理 ###

![6f6fdc45b2174200bdb65d2f9afd70af.png][]

**1.1、使用s1=pd.Series()， 过滤空值s1.dropna();不是空值s1.notnull();获取不是空值的值;**

![993a6c4c7f4a432e98fa071bd5019daa.png][]

1.2、**使用df=pd.DataFrame()**。**在默认情况下，按照 axis=0 来按行处理过滤空值df.dropna();**

![e9da3f9c8f784426ae0c719116359caa.png][]

**2、fillna() 常数填充空值**

![dffa515666cd44eeacbd1057d3c160dc.png][]

**fillna() 插值填充空值**

![f73ba8e391654bba819187c7e94c2acf.png][]

**fillna() 均值填充空值**

![09fcf7d597c040c5b25b36f9c99e6949.png][]

**向上->参数值method='ffill'**

![f630900a7995425b85f3f689fc0311fe.png][]

**向下->参数值method='bfill'**

![166091443aff432facf33491829dd30b.png][]

**向上->参数值method='ffill' ,限制次数limit=1**

![3062660e260b4993badad5d5433f34df.png][]

**3、去重复duplicated()**

![892f69c0c0c542bf913a6cadd9b378c4.png][]

**删除重复的drop\_duplicated()**

![79834870d99f45deabc644f03530598a.png][]

### 三、字符串 str ###

### ![0d1324a940664da6a277513b0ac4cf75.png][] ###

![88261b1c4cbe4da7996671865b2bb98f.png][]

![3832f67944e24734a4686c6a33623369.png][]

![55843ae95b0f4f24b6eebea42ea5e37e.png][]

![c691fdd979e0471486ca47568c9c43b3.png][]

### 四、分组聚合 ###

**对分组数据进行聚合、转换，或者过滤**

*  拆分（Spliting）：表示对数据进行分组；
 *  应用（Applying）：对分组数据应用聚合函数，进行相应计算；
 *  合并（Combining）：最后汇总计算结果。

**groupby语法：**![53643e10d3cb423cb3d9f072bd98068e.png][]

**参数说明：**

![d25fdee7ac9a4dc9b6897cdd85d8e574.png][]

**group by 与聚合函数一起使用**

![3f5631bc87c3436bbb06a5a6f362b930.png][]

**1、2、 创建groupby分组对象**

使用 groupby() 可以沿着任意轴分组。您可以把分组时指定的键（key）作为每组的组名，

方法如下所示：

*  df.groupby("key")
 *  df.groupby("key",axis=1)
 *  df.groupby(\["key1","key2"\])

![db00847c63474847873d802417316452.png][]

**2、 查看分组结果**

![4fb3a2fb7d374dcc8ffeb8038a7f56df.png][]

**应用聚合函数**

通过 agg() 函数可以对分组对象应用多个聚合函数：

![07a05f735b5648ad9076682bdb6220dc.png][]

**组的数据过滤操作**

通过 filter() 函数可以实现数据的筛选，该函数根据定义的条件过滤数据并返回一个新的数据集。

### ![d2ad6f9ad36641e295332e8663fbaf8d.png][]五、透视表 ###

**1、透视表是一种可以对数据动态排布并且分类汇总的表格格式**

**2、为何使用pivot\_table**

1.  灵活性高，可以随意定制你的分析计算要求
2.  清晰易于理解数据
3.  操作性强，报表神器

**3、使用透视图：**

![a234f4afaf4444729e41a907e4433355.png][]

![3b4b4a1d5a224767b912cddc17b04996.png][]

![99e730daa92e4337aaf1930eb4cf6387.png][]

![c0d9a4037f1f4d49869f32d6d1c7a16e.png][]

![2cf1c1af791947498d3243de1da74d02.png][]

[6713effd527f45bea66095383bd115c5.png]: https://img-blog.csdnimg.cn/6713effd527f45bea66095383bd115c5.png
[74e94a6f7380454c8de7d5f0f1b2ec07.png]: https://img-blog.csdnimg.cn/74e94a6f7380454c8de7d5f0f1b2ec07.png
[8c15fd247ef941a49b1bb2254f516342.png]: https://img-blog.csdnimg.cn/8c15fd247ef941a49b1bb2254f516342.png
[c5ad700991c6485daf2549ba0b8c9cf7.png]: https://img-blog.csdnimg.cn/c5ad700991c6485daf2549ba0b8c9cf7.png
[c88d22586abf44939ec804d8f8b8af0a.png]: https://img-blog.csdnimg.cn/c88d22586abf44939ec804d8f8b8af0a.png
[7c76fba43a58438596ad8dc4b74414f9.png]: https://img-blog.csdnimg.cn/7c76fba43a58438596ad8dc4b74414f9.png
[6f6fdc45b2174200bdb65d2f9afd70af.png]: https://img-blog.csdnimg.cn/6f6fdc45b2174200bdb65d2f9afd70af.png
[993a6c4c7f4a432e98fa071bd5019daa.png]: https://img-blog.csdnimg.cn/993a6c4c7f4a432e98fa071bd5019daa.png
[e9da3f9c8f784426ae0c719116359caa.png]: https://img-blog.csdnimg.cn/e9da3f9c8f784426ae0c719116359caa.png
[dffa515666cd44eeacbd1057d3c160dc.png]: https://img-blog.csdnimg.cn/dffa515666cd44eeacbd1057d3c160dc.png
[f73ba8e391654bba819187c7e94c2acf.png]: https://img-blog.csdnimg.cn/f73ba8e391654bba819187c7e94c2acf.png
[09fcf7d597c040c5b25b36f9c99e6949.png]: https://img-blog.csdnimg.cn/09fcf7d597c040c5b25b36f9c99e6949.png
[f630900a7995425b85f3f689fc0311fe.png]: https://img-blog.csdnimg.cn/f630900a7995425b85f3f689fc0311fe.png
[166091443aff432facf33491829dd30b.png]: https://img-blog.csdnimg.cn/166091443aff432facf33491829dd30b.png
[3062660e260b4993badad5d5433f34df.png]: https://img-blog.csdnimg.cn/3062660e260b4993badad5d5433f34df.png
[892f69c0c0c542bf913a6cadd9b378c4.png]: https://img-blog.csdnimg.cn/892f69c0c0c542bf913a6cadd9b378c4.png
[79834870d99f45deabc644f03530598a.png]: https://img-blog.csdnimg.cn/79834870d99f45deabc644f03530598a.png
[0d1324a940664da6a277513b0ac4cf75.png]: https://img-blog.csdnimg.cn/0d1324a940664da6a277513b0ac4cf75.png
[88261b1c4cbe4da7996671865b2bb98f.png]: https://img-blog.csdnimg.cn/88261b1c4cbe4da7996671865b2bb98f.png
[3832f67944e24734a4686c6a33623369.png]: https://img-blog.csdnimg.cn/3832f67944e24734a4686c6a33623369.png
[55843ae95b0f4f24b6eebea42ea5e37e.png]: https://img-blog.csdnimg.cn/55843ae95b0f4f24b6eebea42ea5e37e.png
[c691fdd979e0471486ca47568c9c43b3.png]: https://img-blog.csdnimg.cn/c691fdd979e0471486ca47568c9c43b3.png
[53643e10d3cb423cb3d9f072bd98068e.png]: https://img-blog.csdnimg.cn/53643e10d3cb423cb3d9f072bd98068e.png
[d25fdee7ac9a4dc9b6897cdd85d8e574.png]: https://img-blog.csdnimg.cn/d25fdee7ac9a4dc9b6897cdd85d8e574.png
[3f5631bc87c3436bbb06a5a6f362b930.png]: https://img-blog.csdnimg.cn/3f5631bc87c3436bbb06a5a6f362b930.png
[db00847c63474847873d802417316452.png]: https://img-blog.csdnimg.cn/db00847c63474847873d802417316452.png
[4fb3a2fb7d374dcc8ffeb8038a7f56df.png]: https://img-blog.csdnimg.cn/4fb3a2fb7d374dcc8ffeb8038a7f56df.png
[07a05f735b5648ad9076682bdb6220dc.png]: https://img-blog.csdnimg.cn/07a05f735b5648ad9076682bdb6220dc.png
[d2ad6f9ad36641e295332e8663fbaf8d.png]: https://img-blog.csdnimg.cn/d2ad6f9ad36641e295332e8663fbaf8d.png
[a234f4afaf4444729e41a907e4433355.png]: https://img-blog.csdnimg.cn/a234f4afaf4444729e41a907e4433355.png
[3b4b4a1d5a224767b912cddc17b04996.png]: https://img-blog.csdnimg.cn/3b4b4a1d5a224767b912cddc17b04996.png
[99e730daa92e4337aaf1930eb4cf6387.png]: https://img-blog.csdnimg.cn/99e730daa92e4337aaf1930eb4cf6387.png
[c0d9a4037f1f4d49869f32d6d1c7a16e.png]: https://img-blog.csdnimg.cn/c0d9a4037f1f4d49869f32d6d1c7a16e.png
[2cf1c1af791947498d3243de1da74d02.png]: https://img-blog.csdnimg.cn/2cf1c1af791947498d3243de1da74d02.png