865804808983585自动化办公必备numpy、pandas数据处理课件.zip

1. 多层级索引表 # 如果格式有问题，可以先把excel里面的数据规范一下，让你的索引处于第一列或者第一行 pd.read_excel(io, header=[], index_col) 构造多层级： pd.MultiIndex.from_product([[A,B],[1,2,3]]) pd.MultiIndex.from_arrays([[A,A,A,B,B,B],[1,2,3,1,2,3]]) pd.MultiIndex.from_tuples() 多层级访问： 索引的表达方式使用 (level1, level2.., leveln) df.loc[index, column] s.loc[index] 隐式索引处理不受多层级索引影响 把多层级索引变成单层级索引再访问，属于间接访问，读操作可以，读写不安全 多层索引的变形 (stack,unstack) stack(level) level指定索引的层级，从内向外 -1,-2,-n.. 聚合同但层级索引的聚合 2. 级联和合并 pd.concat((), axis, join, keys, join_axes, ignore_index) () 接受的所有dataFrame对象 axis 控制级联的方向 axis=0纵向连接 axis=1横向连接 join: inner保留级联方向上索引的交集 outer 保留级联方向上索引的并集 join_axes: [pd.Index(["B"])] ignore_index: True, False , 忽略索引，重新排列（以整数） keys: 保留原始索引，增加索引的级数 df.append() 简洁的纵向连接的方法 应用场景：相同的表结构进行汇总 pd.merge(left, right, how, on, left_on, right_on, left_index, right_index, suffiexes) left, right 参与合并的左表和右表 how: inner outer left right 【内容上的交集或并集】 on: 两张表中有多个字段名字相同，但是我们只希望根据其中的一个或几个进行合并 suffiexes：为字段名相同且不参与合并的列标签添加后缀 left_on, right_on： 如果两张表中希望合并的列名字不同，可以分别指定列名称 left_index, right_index： 如果某张表希望以行索引作为合并列，使用这两个参数开启，True,False 注意事项： 1. 合并只列相关，跟行没关 2. 合并的时候，和列名称没关系，主要看两个列的内容是是否存在一对一、一对多、多对多的关系 3. 合并的列，最好选离散型的列，不要选数值型（连续型） 扩展的两个方法： df.set_index(列标签) 把某一列设置为行索引 density 北京 90000 上海 80000 df.drop() 删除行或列 df.drop(index, axis=0, inplace=True) 删除行 df.drop(column, axis=1) 删除列