python数据分析003_数据的合并筛选排序

一. 数据的合并

　　1.数据合并主要包括下面两种操作：

 　　轴向连接（concatenation）：pd.concat()可以沿一个轴将多个DataFrame对象连接在一起，形成一个新的DataFrame对象。

 　　融合（merging）：pd.merge()方法可以根据一个或多个键将不同DataFrame中的行连接起来。

• pd.concat(objs, axis=0, join='outer')

• • objs: series、dataframe或者是panel构成的序列list。

• axis： 需要合并链接的轴，0是行，1是列，默认是0。

• join：连接的方式 inner，或者outer，默认是outer。

　　2.concat:

　　　　pd.concat([df1,df2],axis=0,join='outer',ignore_index=True)  如果两个表的index都没有实际含义，使用ignore_index参数，置true，重新整理一个新的index。

　　3.merge:

　　　　merge(left, right, how='inner', on=None)

• • left和right：两个要合并的DataFrame
  • how：连接方式，有inner、left、right、outer，默认为inner
  • on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键
  • 例如: pd.merge(left,right,on=['key'],how='outer')

二.数据的筛选

　　1.筛选某一列数据大于100, bools记录了每一行是否符合筛选条件，是一个Series对象，其中的值是bool类型。　　　

• df = pd.read_csv('/xx.csv')
• bools= df['aa']>100
• df1 = df[bools]

　　2.多个条件并集筛选, 且& 或 | 

• import pandas as pd
• df = pd.read_csv('/data/course_data/data_analysis/mouhu_users_2017.csv')
• bool1= df['关注者']>300
• bool2= df['关注']>100
• df2 = df[bool1 & bool2] 
• df2.head()

 三.数据的排序

　　1.使用sort_index()、sort_values()两个方法对数据进行排序，并且这两个方法Series和DataFrame都支持。

 　　 DataFrame的sort_index( )方法是按照行索引进行排序，sort_values()可以指定具体列进行排序。

　　2.read_excel()中的参数index_col='Country Code'作用是在读取文件的时候指定Country Code这一列数据为行索引。

　　inplace=True参数和我们之前见过的作用一样，用来控制是否直接对原始数据进行修改。

　　ascending可以控制排序的顺序，默认值为True从小到大排列，当它被设置为False的时候就可以实现倒序排列。

• import pandas as pd
• df = pd.read_excel('/data/course_data/data_analysis/rate.xlsx',index_col='Country Code')
• df.sort_index(inplace=True,ascending=True)
• df.head()

3.sort_values():

 by:决定了是按数据中的哪一列进行排序，将需要按照某列排序的列名赋值给by即可。

ascending=False:将数据按照从大到小的顺序排列。

 　　inplace=True:用来控制是否直接对原始数据进行修改。

•  df.sort_values(by='关注者',ascending=False,inplace=True)

 四.总结

 五. 数据的分组

　　1.按某一列分组

　　　　groups = df.groupby('xx')

　　2.用groupby的size方法可以查看分组后每组的数量，并返回一个含有分组大小的Series

　　　　print(groups.size())

　　3.查看分组group.groups的结果是一个字典，字典的key是分组后每个组的名字，对应的值是分组后的数据

　　4.group.get_group('F')这个方法可以根据具体分组的名字获取，每个组的数据。

　　5.获取'F'组的最大年纪，最小年纪以及平均年龄　　　　

• # 获取F组的数据
• f_group = groups.get_group('F')
• # 获取平均值
• f_mean = f_group['age'].mean()
• # 获取最大值
• f_max = f_group['age'].max()
• # 获取最小值
• f_min = f_group['age'].min()

 　　6.

 　　7.根据多个列分组group=df.groupby(['country','gender'])

　　 8.group.size()返回的结果中发现索引值是多层的，获取多层索引值:　　　　

df1 = group.size()
size = df1['Austria']['F']

　　 9.分组后数据的统计　　　　

• groups = df.groupby('gender')
• for group_name,group_df in groups:
• f_se = group_df['age'].agg(['max','min','mean'])
• print('{}组的最大年龄是{}，最小年龄是{}，平均年龄是{}'.format(group_name,f_se[0],f_se[1],f_se[2]))

 　　10.