1.数据重塑

重塑数据主要有两种方式，分别是 stack（堆叠）和 unstack（拆堆），他们两个是互逆的操作

函数	作用
data.stack（ ） 堆叠	会“旋转”或将列中的数据透视到行 列 一一> 行
data.unstack（ ） 拆堆	将行中的数据透视到列  行 一一> 列

参数说明：

           level：要堆叠的列 / 行的层级，默认为-1（最内层）

           dropna：是否排除缺失的组合。默认为 True

 

import pandas as pd
import numpy as np
data = pd.DataFrame(np.arange(12).reshape(6,2),
                    index = pd.MultiIndex.from_product([["Ohio","Colorado"],["one","two","three"]],names = ["state","number"]),
                    columns = pd.Index(["left","right"],name = "side"))
print(data)
print("-"*35)

# 拆堆 行透视为列
chai = data.unstack("state") # 传入要拆分的层级
print(chai)
print("-"*35)

# 堆叠 列透视为行
dui = chai.stack("side")
print(dui)

2.数据透视表

透视表是一种可以对数据动态排布并且分类汇总的表格格式

可以让我们从不同的角度去分析一个大数据库，有点类似于分类筛选的高阶版操作

 2.1 pivot_table 

  该部分笔记参考了以下文章：

https://zhuanlan.zhihu.com/p/31952948https://zhuanlan.zhihu.com/p/31952948

• 语法：     

         pivot_table ( data,  index = None,  values = None,  columns = None,  aggfunc = 'mean' )  

常用参数说明： 

                   index：  设置行分层字段，将选中的列设为行索引   👇

                   values：输入一个含列名的列表，筛选我们需要保留的列

                   columns：类似Index设置列分层字段，将选中的列设为列索引   👉

                   aggfunc：设置我们对数据聚合时进行的函数操作，默认为 mean

                   fill_value：替换缺失值

                   drop_na：是否去除所有条目均为NA的列（默认False，不去除）

                   margins：是否添加行 / 列计数 及 总计数（默认False，不添加）

• 参数使用说明

       下面我们以詹姆斯某赛季的数据为例，来对pivot_table函数进行讲解

  step1  首先导入数据，并展示前五场：

import pandas as pd
import numpy as np
road = "E:\python 资料\孙兴华 数据分析教程\Pandas课件\课件\pandas教程\课件028-029\Lebron_James.csv"
data = pd.read_table(road,sep=",")
print(data.head(5))

 step2  需要james在主客场和不同胜负情况（index）下的得分、篮板与助攻（values）三项数据

data1 = pd.pivot_table(data, index=['对手', '主客场'],values=['得分','助攻','篮板'])
print(data1.head(5))

   step3  我们还想获得james在主客场和不同胜负情况下的总得分、总篮板、总助攻（aggfunc）

              此时应该向aggfunc中输入sum函数，按层次求和

# 这里要注意mean不是内置函数，它是numpy中的一个函数
data2 = pd.pivot_table(data, index=['对手', '主客场'],values=['得分','助攻','篮板'],
                       aggfunc=[sum,np.mean])
print(data2.head(5))

  step4  我们也可以通过columns再设置一个列索引，并且通过margin来汇总

# fill_value填充空值,margins=True进行汇总
data3 =pd.pivot_table(data,index=['主客场'],columns=['对手'],values=['得分'],aggfunc=[np.sum],fill_value=0,margins=1)
print(data3)

 2.2 实现excel的vlookup功能

• 要求：一个excel表中有两个sheet，要求将 sheet1 中的某列，插入到 sheet2 的指定位置 

• step：

1.  切片要合并的列 
2. 将它和sheet2合并
3. 再在合并的数据中提取出该列，并在合并数据中删除该列
4. 将提取出的该列插入指定位置

import pandas as pd
road = "E:\python 资料\孙兴华 数据分析教程\Pandas课件\课件\pandas教程\课件028-029\Vlookup.xlsx"
data1 = pd.read_excel(road,sheet_name="花名册")
data2 = pd.read_excel(road,sheet_name="成绩单")

# 将 花名册 与 成绩单中的总分、学号 合并
hebing = pd.merge(data1,data2.loc[:,["学号","总分"]],how = "left",on = "学号")
print(hebing)
print("-" * 40)

# 将总分放到第二列的位置
score = hebing.总分 # 提取出 总分 列
hebing = hebing.drop("总分",axis = 1) # 在原数据中删除该列
hebing.insert(1,"总分",score) # 在原数据第二列插入新列
print(hebing)

3.数据处理两板斧

     在数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的 map \ apply  可以解决绝大部分这样的数据处理需求

 3.1 map

          map会根据提供的函数或字典对指定序列做映射，它更多地适用于简单的批量处理数据，function中的参数最好只有一个

• 语法：map（字典） 或   data.map（function）或 map（function，data）

• 案例一：对每个单元格（元素）执行指定的函数操作

             一般使用匿名函数 lambda 去定义函数，进行操作 

import pandas as pd
road = "E:\python 资料\孙兴华 数据分析教程\Pandas课件\课件\pandas教程\课件030-031\数据2.xlsx"
data = pd.read_excel(road)
print(data)
print("-"*40)

data2 = data.map(lambda x:"%.2f" % x) #每个元素保留两位小数
print(data2)
print("-"*40)

data3 = data.map(lambda x: x ** 2) #每个元素的平方
print(data3)

• 案例二：逐行 / 列处理数据

       在原数据中新增两列， 若为男就是先生，若为女就是女士；再根据体重判断体型，若大于80kg就是魁梧，小于80kg就是瘦小

import pandas as pd
road = "E:\python 资料\孙兴华 数据分析教程\Pandas课件\课件\pandas教程\课件030-031\数据.xlsx"
data = pd.read_excel(road)
print(data)
print("-"*40)

# 一：用字典做映射
zidian = {'男':'先生','女':'女士'}
data["称呼"] = data["性别"].map(zidian) #新增一个 称呼 列，若为男就是先生，若为女就是女士
print(data)
print("-"*40)

# 二：用函数做映射
def judge(x):
    result = "魁梧" if x > 80 else "瘦小"
    return result
data["体型"] = data["体重"].map(judge) #根据体重判断体型
print(data)

 3.2 apply

apply() 函数的自由度较高，可以直接对 DataFrame 中元素进行逐元素的遍历操作，方便且高效；与map相比，它可以在一个函数中传入多个参数来使用，适用范围较广（可传入更复杂的函数）

• 语法 ：data.apply（  function，axis = 0，row = False，arg = （元组））

参数说明：

           axis = ：沿哪个轴进行数据处理（默认为0，处理每一列）

           row = ：0表示把每一行或列作为 Series 传入函数中；1表示接收ndarry数组

           arg = ：若函数有多个参数，则传入一个元组，接收第二至最后一个参数  

 其余说明事项：

1. 在处理多个参数时，需要用arg参数接收第二至最后一个参数
2. 在处理多行时，直接在data位置传入 dataframe 或者 df切片后的多列即可
3. 当axis=1对行进行操作时，会默认将每一行数据以Series的形式（Series的索引为列名）传入指定函数，返回相应的结果；axis = 0同理

• 案例一：单行或单列进行操作（map也可以完成） 

       要求：仍然使用map中案例二的数据，修改分数：所有人的语文成绩 +5 分 

def score_change(x,y): # x为科目，y为修改值
    return x + y

#arg传入一个元组，接受第二个参数
data["语文"] = data["语文"].apply(score_change,args=(5,)) 

• 案例二：对多行 / 多列进行操作

  要求：计算每个人（逐行）三科的总成绩，并根据总成绩排序

data["总成绩"] = data[['语文','数学','英语']].apply(sum,axis=1) # 逐行相加

data = data.sort_values (by="总成绩",ascending=False) # 根据总成绩降序排序
print(data)

• 案例三： 综合运用

       要求：计算每个人的bmi

def BMI(data):
    height = data["身高"]
    weight = data["体重"]
    BMI =weight / height ** 2
    return BMI

data["BMI"] = data.apply(BMI,axis=1)
print(data)