Pandas教程

博文目录

• 【顶】好评文章推荐

  

• pandas的多层索引index、columns、索引值、names属性及表结构

  

  上篇文章通过从excel读取数据来生成多重索引的df，本节我们从头来认识下pandas的多重索引，对其有1个整体的概念。我们先通过index和columns参数来创建1个多重索引的df。 要创建多重索引...

  指数:24722-05-03

  阅读更多

• pandas多层索引标准样式(写入excel有空行)

  

  pandas的列索引和行索引都可以有name属性(多重索引就是names属性)，所以一旦涉及多重索引，pandas需要预留位置来展示多重索引可能存在的names属性，因此在一些展示上可能和我们想的不同...

  指数:30222-05-01

  阅读更多

• pandas多列变多行(即宽表变长表)melt和stack函数

  

  多行转多列和多列转多行是较为常见的操作，上一篇文章介绍了pandas多行变多列（即长表变宽表）操作，本文介绍pandas多列变多行（即宽表变长表）操作，分别用melt和stack来实现。 1、...

  指数:15522-05-01

  阅读更多

• pandas多行转多列(长表变宽表)pivot和unstack

  

  pandas处理数据除了对数据进行加减乘除、关联、分组等之外，还会涉及对数据进行变形操作，比如多行转多列，多列转多行，本文介绍下pandas多行变多列（即长表变宽表）操作，分别用...

  指数:41222-05-01

  阅读更多

• pandas transform用法详解(多个案例)

  

  pandas的transform函数可以被很多对象调用，比较常见的是Series对象、DataFrame对象、DataFrameGroupBy对象、SeriesGroupBy对象，我们分别来讲解下。 1、Series对象调用transform() Series.transform(func,axis...

  指数:42922-04-12

  阅读更多

• pandas分组groupby后使用apply详解

  

  前面的文章依次介绍过pandas分组操作中高频出现的函数，如agg、transform、filter，如果想彻底了解pandas分组聚合各类操作可以查看 pandas的groupby使用大全 。 在实际处理数据中，pandas分组后...

  指数:15822-04-04

  阅读更多

• pandas分组过滤filter函数

  

  pandas分组操作在实际工作中应用非常广泛，之前的文章介绍过pandas的分组聚合、分组使用agg函数、分组转换transform，本文介绍pandas的分组过滤操作，如果想系统的接触pandas分组后的各类...

  指数:48922-03-10

  阅读更多

• groupby分组计算transform转换返回相同长度序列

  

  groupby是做分组聚合的，理论上既然分组计算了那么每组会有1个值，这样结果数据的索引长度就减少了，有多少组就代表索引的长度。不过有时候我们分组计算后并不希望减少结果数据...

  指数:41722-02-17

  阅读更多

• groupby后agg同1列用多个聚合函数、不同列用不同函数、自定义函数

  

  上一篇文章展示了利用groupby做分组聚合的一些常规情形，想实现复杂一些的分组计算则需要借助agg函数，DataFrameGroupBy对象和 DataFrame本身都可以使用agg函数，其中pandas.core.groupby.GroupBy...

  指数:26322-02-04

  阅读更多

• pandas的groupby单列多列分组聚合运算

  

  本文介绍下pandas的groupby分组聚合的基础的操作，pandas官方文档上groupby的介绍如下： DataFrame.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,squeeze=NoDefault.no_default,observed=False,d...

  指数:17722-01-28

  阅读更多

• DataFrameGroupBy对象及分组个数、分组大小、组名索引、组数据详解

  

  pandas的groupby操作非常常见，通过groupby可以实现分组聚合、过滤等各种运算。但是1个df在groupby后是什么东西呢？网上这种文章不多。本文我们来看1下。 首先准备1个数据源： 接下来我们...

  指数:16122-01-17

  阅读更多