数据合并

下面主要介绍数据合并中常见的操作：

merge

concat

join

merge方法

DataFrame.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True,

indicator=False, validate=None)

参数解释：

(1) 默认用两个DataFrame列的交集作为连接键取数据交集

(2) 使用f1作为连接键，f2列名会出现后缀

(3) 使用左边数据作为基准：

(4) 以f1,f2作为连接键，且以右边的索引为索引:

concat方法

pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,

keys=None, levels=None, names=None, verify_integrity=False, copy=True)

参数

(1) 按横轴连接

(2) 按纵轴连接，设置sort=True

忽略index:

join方法

DataFrame.join(other, on=None, how='left', lsuffix='', rsuffix='', sort=False)

参数

(1) 直接连接

(2) 按照相同的列索引进行聚合

上面三种方法就是Python数据分析使用最频繁的数据合并方法。

常用函数

pandas数据分析中使用比较常见的几个函数：

apply()

applymap()

map()

transform()

apply

主要作用于DataFrame的某一行或者列上，

（1）按行计算

（2）按列计算

applymap

作用在dataframe的每一个元素上

transform

transform将函数应用在各个分组上，然后将结果放在适当的位置. 如果各分组产生的标量值，则该标量值会被广播出去(注意与apply的差别，它不能自定义函数，不能同时对多列进行计算)。

看下面的区别：

agg

agg 方法将一个函数使用在一个数列上，然后返回一个标量的值。内置函数名需要用引号。

下面是一些常见的内置函数：

注：apply、transform、agg常与groupby一起使用。

数据聚合

主要介绍数据聚合中常用的三方方法

groupby

crosstab

pivot_table

groupby

按列进行计算：

crosstab

pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

参数

计算示例：

pivot_table

pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

参数

计算示例：