序言：
Pandas第三部分
【课程2.13】 数值计算和统计基础
常用数学、统计方法
基本参数：axis、skipna
# 基本参数：axis、skipna
import numpy as np
import pandas as pd
df = pd.DataFrame({"key1": [4,5,3,np.nan,2],
"key2": [1,2,np.nan,4,5],
"key3": [1,2,3,"j","k"]},
index = list("abcde"))
print(df)
print(df["key1"].dtype, df["key2"].dtype, df["key3"].dtype)
print("--------")
m1 = df.mean()
print(m1, type(m1))
print("单独统计一列：", df["key2"].mean())
print("------")
# np.nan：空直
# .mean()计算均值
# 只统计数字列
# 可以通过索引单独统计一列
m2 = df.mean(axis = 1)
print(m2)
print("------------")
# axis参数：默认为0，以列来计算，axis=1,以行来计算，这里就按照行来汇总了
m3 = df.mean(skipna=False)
print(m3)
print("----------")
# skipna参数：是否忽略NaN，默认True，例如False，有Nan的列统计结果仍为NaN
主要数学计算方法，可用于Series和DataFrame (1)
# 主要数学计算方法，可用于Series和DataFrame (1)
df = pd.DataFrame({"key1": np.arange(10),
"key2": np.random.rand(10)*10})
print(df)
print("------------")
print(df.count(), "→ count统计非Na值的数量\n")
print(df.min(), '→ min统计最小值\n', df["key2"].max(), '→ max统计最大值\n')
print(df.quantile(q=0.75),'→ quantile统计分位数，参数q确定位置\n')
print(df.sum(),'→ sum求和\n')
print(df.mean(),'→ mean求平均值\n')
print(df.median(),'→ median求算数中位数，50%分位数\n')
print(df.std(), '\n',df.var(),'→ std,var分别求标准差，方差\n')
print(df.skew(),'→ skew样本的偏度\n')
print(df.kurt(),'→ kurt样本的峰度\n')
主要数学计算方法，可用于Series和DataFrame (2)
# 主要数学计算方法，可用于Series和DataFrame (2)
df["key1_s"] = df["key1"].cumsum()
df["key2_s"] = df["key2"].cumsum()
print(df,'→ cumsum样本的累计和\n')
df["key1_p"] = df["key1"].cumprod()
df["key2_p"] = df["key2"].cumprod()
print(df,'→ cumprod样本的累计积\n')
print(df.cummax(), "\n", df.cummin(),'→ cummax,cummin分别求累计最大值，累计最小值\n')
# 会填充key1，和key2的值
唯一值：.unique()
# 唯一值：.unique()
s = pd.Series(list("asdvasdcfgg"))
sq = s.unique()
print(s, type(s))
print(sq, type(sq))
print(pd.Series(sq))
# 得到一个唯一值数组
# 通过pd.Series重新变成新的Series
sq.sort()
print(sq)
# 重新排序
值计数：.value_counts()
# 值计数：.value_counts()
sc = s.value_counts(sort = False) # 也可以这样写：pd.value_counts(s, sort = False)
print(sc)
# 得到一个新的Serires，计算出不同值出现的频率
# sort参数：排序，默认为True
成员资格：.isin()
# 成员资格：.isin()
s = pd.Series(np.arange(10,15))
df = pd.DataFrame({"key1": list("asdcbvasd"),
"key2": np.arange(4,13)})
print(s)
print(df)
print("---------")
print(s.isin([5,14]))
print(df.isin(["a", "bc", "10", 8]))
# 用[]表示
# 得到一个布尔值的Series或者Dataframe
【课程2.14】 文本数据
Pandas针对字符串配备的一套方法，使其易于对数组的每个元素进行操作
通过str访问，且自动排除丢失 / NA值
# 通过str访问，且自动排除丢失 / NA值
s = pd.Series(["A", "b", "c", "bbhello", "1", np.nan, "hj"])
df = pd.DataFrame({"key1": list("abcdef"),
"key2": ["hee", "fv", "w", "hija", "123", np.nan]})
print(s)
print(df)
print("--------")
print(s.str.count("b"))
print(df["key2"].str.upper())
print("-------")
# 直接通过.str调用字符串方法
# 可以对series、Dataframe使用
# 自动过滤NaN值
df.columns = df.columns.str.upper()
print(df)
# df.columns是一个Index对象，也可使用.str
字符串常用方法（1） – lower, upper, len, startswith, endswith
# 字符串常用方法（1） - lower, upper, len, startswith, endswith
s = pd.Series(["A", "b", "c", "bbhello", "1", np.nan])
print(s.str.lower(), '→ lower小写\n')
print(s.str.upper(),'→ upper大写\n')
print(s.str.len(), '→ len字符长度\n')
print(s.str.startswith("b"),'→ 判断起始是否为b \n')
print(s.str.endswith("3"),'→ 判断结束是否为3 \n')
字符串常用方法（2）- Strip
# 字符串常用方法（2）- Strip
s = pd.Series([" jack", "jill", " jesse ", "frank"])
df = pd.DataFrame(np.random.rand(3,2), columns = [" Column A ", " Column B "],
index = range(3))
print(s)
print(df)
print("-----------")
print(s.str.strip()) # 去除字符串中的空格
print(s.str.lstrip()) # 去除字符串中的左空格
print(s.str.rstrip()) # 去除字符串中的右空格
df.columns = df.columns.str.strip()
print(df)
# 这里去掉了columns的前后空格，但没有去掉中间空格
字符串常用方法（3） – replace
# 字符串常用方法（3） - replace
df = pd.DataFrame(np.random.randn(3,2), columns = [" Column A ", " Column B "],
index = range(3))
df.columns = df.columns.str.replace(" ","-")
print(df)
# 替换
df.columns = df.columns.str.replace("-","hehe", n = 1)
print(df)
# n：替换个数
字符串常用方法（4）- split、rsplit
# 字符串常用方法（4）- split、rsplit
s = pd.Series(["a,b,c", "1,2,3", ["a,,,c"], np.nan])
print(s.str.split(","))
print("---------")
# 类似字符串的split
print(s.str.split(",")[0])
print("---------")
# 直接索引得到一个list
print(s.str.split(",").str[0])
print(s.str.split(",").str.get(1))
print("----------")
# 可以使用get或[]符号访问拆分列表中的元素
print(s.str.split(",", expand=True))
print(s.str.split(",", expand=True, n = 1))
print(s.str.rsplit(",", expand=True, n = 1))
print("----------")
# 可以使用expand可以轻松扩展此操作以返回DataFrame
# n参数限制分割数
# rsplit类似于split，反向工作，即从字符串的末尾到字符串的开头
df = pd.DataFrame({"key1": ["a,b,c", "1,2,3", [":,., "]],
"key2": ["a-b-c", "1-2-3", [":-.- "]]})
print(df["key2"].str.split("-"))
# DataFrame使用split
字符串索引
# 字符串索引
s = pd.Series(["A", "b", "C", "bbhello", "123", np.nan, "hj"])
df = pd.DataFrame({"key1": list("abcdef"),
"key2": ["hee", "fv", "w", "hija", "123", np.nan]})
print(s.str[0]) # 取第一个字符串
print(s.str[:2]) # 取前两个字符串
print(df["key2"].str[0])
# str之后和字符串本身索引方式相同
【课程2.15】 合并 merge、joinDatetimeIndex
Pandas具有全功能的，高性能内存中连接操作，与SQL等关系数据库非常相似
pd.merge(left, right, how=’inner’, on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=(‘_x’, ‘_y’), copy=True, indicator=False)
merge合并 -> 类似excel的vlookup
# merge合并 -> 类似excel的vlookup
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df3 = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df4 = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
print(pd.merge(df1, df2, on = "key"))
print('------')
# left：第一个df
# right：第二个df
# on：参考键
print(df3, "\n", df4)
print(pd.merge(df3, df4, on=['key1','key2']))
# 多个链接键
# 参数how -> 合并方式
print(pd.merge(df3, df4, on = ["key1", "key2"], how = "inner"))
print('------')
# inner：默认，取交集
print(pd.merge(df3, df4, on=['key1','key2'], how = 'outer'))
print('------')
# outer：取并集，数据缺失范围NaN
print(pd.merge(df3, df4, on=['key1','key2'], how = 'left'))
print('------')
# left：按照df3为参考合并，数据缺失范围NaN
print(pd.merge(df3, df4, on=['key1','key2'], how = 'right'))
# right：按照df4为参考合并，数据缺失范围NaN
参数 left_on, right_on, left_index, right_index → 当键不为一个列时，可以单独设置左键与右键
# 参数 left_on, right_on, left_index, right_index → 当键不为一个列时，可以单独设置左键与右键
df1 = pd.DataFrame({"lkey": list("bbacaab"),
"data1": range(7)})
df2 = pd.DataFrame({"rkey": list("abd"),
"data2": range(3)})
print(pd.merge(df1, df2, left_on = "lkey", right_on = "rkey"))
print("----------")
# df1以‘lkey’为键，df2以‘rkey’为键
df1 = pd.DataFrame({'key': list('abcdfeg'),
'data1': range(7)})
df2 = pd.DataFrame({'date2': range(100,105)},
index = list('abcde'))
print(df1, "####\n", df2)
print(pd.merge(df1, df2, left_on='key', right_index=True))
# df1以‘key’为键，df2以index为键
# left_index：为True时，第一个df以index为键，默认False
# right_index：为True时，第二个df以index为键，默认False
# 所以left_on, right_on, left_index, right_index可以相互组合：
# left_on + right_on, left_on + right_index, left_index + right_on, left_index + right_index
参数 sort
# 参数 sort
df1 = pd.DataFrame({"key": list("bbacaab"),
"data1": [1,3,2,4,5,9,7]})
df2 = pd.DataFrame({"key": list("abd"),
"data2": [11,2,33]})
x1 = pd.merge(df1, df2, on = "key", how = "outer")
x2 = pd.merge(df1, df2, on = "key", sort=True, how = "outer")
print(x1)
print(x2)
print('------')
# sort：按照字典顺序通过 连接键 对结果DataFrame进行排序。默认为False，设置为False会大幅提高性能
print(x2.sort_values('data1'))
# 也可直接用Dataframe的排序方法：sort_values，sort_index
pd.join() -> 直接通过索引链接
# pd.join() -> 直接通过索引链接
left = pd.DataFrame({"A": ["A0", "A1", "A2"],
"B": ["B0", "B1", "B2"]},
index = ["K0", "K1", "K2"])
right = pd.DataFrame({"C": ["C0", "C1", "C2"],
"D": ["D0", "D1", "D2"]},
index = ["K0", "K1", "K2"])
print(left)
print(right)
print(left.join(right))
print(left.join(right, how = "outer"))
print('-----')
# 等价于：pd.merge(left, right, left_index=True, right_index=True, how='outer')
df1 = pd.DataFrame({"key": list("bbacaab"),
"data1": [1,3,2,4,5,9,7]})
df2 = pd.DataFrame({"key": list("abc"),
"date2": [11,2,33]})
print(df1)
print(df2)
print(pd.merge(df1, df2, left_index=True, right_index=True, suffixes=('_1', '_2')))
print(df1.join(df2['date2']))
# suffixes=('_x', '_y')默认
left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'key': ['K0', 'K1', 'K0', 'K1']})
right = pd.DataFrame({'C': ['C0', 'C1'],
'D': ['D0', 'D1']},
index=['K0', 'K1'])
print(left)
print(right)
print(left.join(right, on = 'key'))
# 等价于pd.merge(left, right, left_on='key', right_index=True, how='left', sort=False);
# left的‘key’和right的index
【【课程2.16】 连接与修补 concat、combine_first
连接 – 沿轴执行连接操作
pd.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False,
copy=True)
连接：concat
# 连接：concat
s1 = pd.Series([1,2,3])
s2 = pd.Series([2,3,4])
s3 = pd.Series([1,2,3],index = ['a','c','h'])
s4 = pd.Series([2,3,4],index = ['b','e','d'])
print(pd.concat([s1,s2]))
print(pd.concat([s3,s4]).sort_index())
print('-----')
# 默认axis=0，行+行
print(pd.concat([s3,s4], axis=1))
print('-----')
# axis=1,列+列，成为一个Dataframe
连接方式：join，join_axes
# 连接方式：join，join_axes
s5 = pd.Series([1,2,3],index = ['a','b','c'])
s6 = pd.Series([2,3,4],index = ['b','c','d'])
print(pd.concat([s5,s6], axis= 1))
print(pd.concat([s5,s6], axis= 1, join='inner'))
print(pd.concat([s5,s6], axis= 1, join_axes=[['a','b','d']]))
# join：{'inner'，'outer'}，默认为“outer”。如何处理其他轴上的索引。outer为联合和inner为交集。
# join_axes：指定联合的index
覆盖列名
# 覆盖列名
sre = pd.concat([s5,s6], keys = ['one','two'])
print(sre,type(sre))
print(sre.index)
print('-----')
# keys：序列，默认值无。使用传递的键作为最外层构建层次索引
sre = pd.concat([s5,s6], axis=1, keys = ['one','two'])
print(sre,type(sre))
# axis = 1, 覆盖列名
修补 pd.combine_first()
# 修补 pd.combine_first()
df1 = pd.DataFrame([[np.nan, 3., 5.], [-4.6, np.nan, np.nan],[np.nan, 7., np.nan]])
df2 = pd.DataFrame([[-42.6, np.nan, -8.2], [-5., 1.6, 4]],index=[1, 2])
print(df1)
print(df2)
print(df1.combine_first(df2))
print('-----')
# 根据index，df1的空值被df2替代
# 如果df2的index多于df1，则更新到df1上，比如index=['a',1]
df1.update(df2)
print(df1)
# update，直接df2覆盖df1，相同index位置
【课程2.17】 去重及替换
.duplicated / .replace
去重 .duplicated
# 去重 .duplicated
s = pd.Series([1,1,1,1,2,2,2,3,4,5,5,5,5])
print(s.duplicated())
print(s[s.duplicated() == False])
print('-----')
# 判断是否重复
# 通过布尔判断，得到不重复的值
s_re = s.drop_duplicates()
print(s_re)
print('-----')
# drop.duplicates移除重复
# inplace参数：是否替换原值，默认False
df = pd.DataFrame({'key1':['a','a',3,4,5],
'key2':['a','a','b','b','c']})
print(df.duplicated())
print(df['key2'].duplicated())
# Dataframe中使用duplicated
替换 .replace
# 替换 .replace
s = pd.Series(list('ascaazsd'))
print(s.replace('a', np.nan))
print(s.replace(['a','s'] ,np.nan))
print(s.replace({'a':'hello world!','s':123}))
# 可一次性替换一个值或多个值
# 可传入列表或字典
【课程2.18】 数据分组
分组统计 – groupby功能
① 根据某些条件将数据拆分成组
② 对每个组独立应用函数
③ 将结果合并到一个数据结构中
Dataframe在行（axis=0）或列（axis=1）上进行分组，将一个函数应用到各个分组并产生一个新值，然后函数执行结果被合并到最终的结果对象中。
df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)
分组
# 分组
df = pd.DataFrame({"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
"B": ["one", "one", "two", "three", "two", "two", "one", "three"],
"C": np.random.randn(8),
"D": np.random.rand(8)})
print(df)
print("----------")
print(df.groupby("A"), type(df.groupby("A")))
print("----------")
# 直接分组得到一个groupby对象，是一个中间数据，没有进行计算
a = df.groupby("A").mean()
b = df.groupby(["A", "B"]).mean()
c = df.groupby(["A"])["D"].mean() # 以A分组，算D的平均值
print(a, type(a), "\n", a.columns)
print(b, type(b), "\n", b.columns)
print(c, type(c))
# 通过分组后的计算，得到一个新的dataframe
# 默认axis = 0，以行来分组
# 可单个或多个（[]）列分组
分组 – 可迭代对象
# 分组 - 可迭代对象
df = pd.DataFrame({"X": ["A", "B", "A", "B"],
"Y": [1, 4, 3, 2]})
print(df)
print(df.groupby("X"), type(df.groupby("X")))
print("-----------------")
print(list(df.groupby("X")), '→ 可迭代对象，直接生成list\n')
print(list(df.groupby("X"))[0], '→ 以元祖形式显示\n')
for n,g in df.groupby("X"):
print(n)
print(g)
print("###")
print("-----------------")
# n是组名，g是分组后的Dataframe
print(df.groupby(["X"]).get_group("A"), "\n")
print(df.groupby(["X"]).get_group("B"), "\n")
print('-----')
# .get_group()提取分组后的组
grouped = df.groupby(["X"])
print(grouped.groups)
print(grouped.groups["A"]) # 也可写：df.groupby("X").groups["A"]
print('-----')
# .groups：将分组后的groups转为dict
# 可以字典索引方法来查看groups里的元素
sz = grouped.size()
print(sz, type(sz))
print('-----')
# .size()：查看分组后的长度
df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'],
'B' : ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
'C' : np.random.randn(8),
'D' : np.random.randn(8)})
grouped = df.groupby(["A", "B"]).groups
print(df)
print(grouped)
print(grouped[("foo", "three")])
# 按照两个列进行分组
其他轴上的分组
# 其他轴上的分组
df = pd.DataFrame({"data1": np.random.rand(2),
"data2": np.random.rand(2),
"key1": ["a", "b"],
"key2": ["one", "two"]})
print(df)
print(df.dtypes)
print('-----')
for n,p in df.groupby(df.dtypes, axis = 1):
print(n)
print(p)
print("###")
# 按照值类型分列
通过字典或者Series分组
# 通过字典或者Series分组
df = pd.DataFrame(np.arange(16).reshape(4,4),
columns = ["a", "b", "c", "d"])
print(df)
print("--------")
mapping = {"a": "one", "b": "one", "c": "two", "d": "two", "e": "three"}
by_colum = df.groupby(mapping, axis = 1)
print(by_colum.sum())
print("---------")
# mapping中，a、b列对应的为one，c、d列对应的为two，以字典来分组
s = pd.Series(mapping)
print(s, "\n")
print(s.groupby(s).count())
s中，index中a、b对应的为one，c、d对应的为two，以Series来分组
通过函数分组
# 通过函数分组
df = pd.DataFrame(np.arange(16).reshape(4,4),
columns = ["a", "b", "c", "d"],
index = ["abc", "bcd", "aa", "b"])
print(df, "\n")
print(df.groupby(len).sum())
分组计算函数方法
# 分组计算函数方法
s = pd.Series([1, 2, 3, 10, 20, 30], index = [1, 2, 3, 1, 2, 3])
grouped = s.groupby(level=0) # 唯一索引用.groupby(level=0)，将同一个index的分为一组
print(grouped)
print(grouped.first(),'→ first：非NaN的第一个值\n')
print(grouped.last(),'→ last：非NaN的最后一个值\n')
print(grouped.sum(),'→ sum：非NaN的和\n')
print(grouped.mean(),'→ mean：非NaN的平均值\n')
print(grouped.median(),'→ median：非NaN的算术中位数\n')
print(grouped.count(),'→ count：非NaN的值\n')
print(grouped.min(),'→ min、max：非NaN的最小值、最大值\n')
print(grouped.std(),'→ std，var：非NaN的标准差和方差\n')
print(grouped.prod(),'→ prod：非NaN的积\n')
多函数计算：agg()
# 多函数计算：agg()
df = pd.DataFrame({"a": [1,1,2,2],
"b": np.random.rand(4),
"c": np.random.rand(4),
"d": np.random.rand(4)})
print(df)
print(df.groupby("a").agg(["mean", np.sum]))
print(df.groupby("a")["b"].agg({"result1": np.mean,
"result2": np.sum}))
# 函数写法可以用str，或者np.方法
# 可以通过list，dict传入，当用dict时，key名为columns
【课程2.19】 分组转换及一般性“拆分-应用-合并”
transform / apply
数据分组转换，transform
# 数据分组转换，transform
df = pd.DataFrame({"data1": np.random.rand(5),
"data2": np.random.rand(5),
"key1": list("aabba"),
"key2": ["one", "two", "one", "two", "one"]})
k_mean = df.groupby("key1").mean()
print(df)
print(k_mean)
print(pd.merge(df, k_mean, left_on = "key1", right_index = True).add_prefix("mean_"))
# .add_prefix('mean_')：添加前缀
print("-------")
# 通过分组、合并，得到一个包含均值的Dataframe
print(df.groupby("key2").mean()) # 按照key2分组求平均值
print(df.groupby("key2").transform(np.mean))
# data1、data2每个位置元素取对应分组列的均值
# 字符串不能进行计算
一般化Groupby方法：apply
# 一般化Groupby方法：apply
df = pd.DataFrame({'data1':np.random.rand(5),
'data2':np.random.rand(5),
'key1':list('aabba'),
'key2':['one','two','one','two','one']})
print(df.groupby("key1").apply(lambda x: x.describe()))
# apply直接运行其中的函数
# 这里为匿名函数，直接描述分组后的统计量
def f_df1(d,n):
return(d.sort_index()[:n])
def f_df2(d,k1):
return(d[k1])
print(df.groupby("key1").apply(f_df1,2), "\n")
print(df.groupby('key1').apply(f_df2,'data2'))
print(type(df.groupby('key1').apply(f_df2,'data2')))
# f_df1函数：返回排序后的前n行数据
# f_df2函数：返回分组后表的k1列，结果为Series，层次化索引
# 直接运行f_df函数
# 参数直接写在后面，也可以为.apply(f_df,n = 2))
【课程2.20】 透视表及交叉表
类似excel数据透视 – pivot table / crosstab
透视表：pivot_table
# 透视表：pivot_table
# pd.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
date = ['2017-5-1','2017-5-2','2017-5-3']*3
rng = pd.to_datetime(date)
df = pd.DataFrame({'date':rng,
'key':list('abcdabcda'),
'values':np.random.rand(9)*10})
print(df)
print('-----')
print(pd.pivot_table(df, values = 'values', index = 'date', columns = 'key', aggfunc=np.sum)) # 也可以写 aggfunc='sum'
print('-----')
# data：DataFrame对象
# values：要聚合的列或列的列表
# index：数据透视表的index，从原数据的列中筛选
# columns：数据透视表的columns，从原数据的列中筛选
# aggfunc：用于聚合的函数，默认为numpy.mean，支持numpy计算方法
print(pd.pivot_table(df, values = 'values', index = ['date','key'], aggfunc=len))
print('-----')
# 这里就分别以date、key共同做数据透视，值为values：统计不同（date，key）情况下values的平均值
# aggfunc=len(或者count)：计数
交叉表：crosstab
# 交叉表：crosstab
# 默认情况下，crosstab计算因子的频率表，比如用于str的数据透视分析
# pd.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False)
df = pd.DataFrame({'A': [1, 2, 2, 2, 2],
'B': [3, 3, 4, 4, 4],
'C': [1, 1, np.nan, 1, 1]})
print(df)
print('-----')
print(pd.crosstab(df['A'],df['B']))
print('-----')
# 如果crosstab只接收两个Series，它将提供一个频率表。
# 用A的唯一值，统计B唯一值的出现次数
print(pd.crosstab(df['A'],df['B'],normalize=True))
print('-----')
# normalize：默认False，将所有值除以值的总和进行归一化 → 为True时候显示百分比
print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum))
print('-----')
# values：可选，根据因子聚合的值数组
# aggfunc：可选，如果未传递values数组，则计算频率表，如果传递数组，则按照指定计算
# 这里相当于以A和B界定分组，计算出每组中第三个系列C的值
print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum, margins=True))
print('-----')
# margins：布尔值，默认值False，添加行/列边距（小计）
【课程2.21】 数据读取
核心：read_table, read_csv, read_excel
读取普通分隔数据：read_table
# 读取普通分隔数据：read_table
# 可以读取txt，csv
import os
os.chdir('/Users/zorn/Desktop/')
data1 = pd.read_table('data1.txt', delimiter=',',header = 0, index_col=1)
print(data1)
# delimiter：用于拆分的字符，也可以用sep：sep = ','
# header：用做列名的序号，默认为0（第一行）
# index_col：指定某列为行索引，否则自动索引0, 1, .....
# read_table主要用于读取简单的数据，txt/csv
读取csv数据：read_csv
# 读取csv数据：read_csv
# 先熟悉一下excel怎么导出csv
data2 = pd.read_csv('data3.csv',engine = 'python')
print(data2.head())
# engine：使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。
# encoding：指定字符集类型，即编码，通常指定为'utf-8'
# 大多数情况先将excel导出csv，再读取
