Day05

思维导图

字符串离散化进行统计

• 获取分类去重后的列表
• 构造全为0的DataFrame，形状是（数据的行数，分类列表的长度），列索引是分类去重后的列表
• 遍历原始数据，对全为0的df赋值
  • zeros_df.loc[i,[“T”,”M”]] = 1

• 按列进行求和

  join

• 按照行索引进行合并

  merge

• 按照某一列进行和并

  [
  [1,2,3],
  [4,5,6]
  ]
  [
  [10,2,31],
  [43,52,62]
  ]
  ret: 左连接
  [
  [1,2,3,10,2,31],
  [4,5,6,nan,nan,nan]
  ]
  ret: 内连接
  [
  [1,2,3,10,2,31]
  ]
  ret: 外连接
  [
  [1,2,3,10,2,31]
  [4,5,6，nan,nan,nan]
  [nan,nan,nan,43,52,62]
  ]
  ret: 右连接
  [
  [1,2,3,10,2,31]
  [nan,nan,nan,43,52,62]
  ]

  数据的分组和聚合

• groupby(by=””).count()

• groupby(by=[“”,””]).count() —->返回复合索引的df

• 可迭代

  索引的相关知识点

• df.index

• df.index = []
• df.set_index(“a”) #把某一列作为索引
• df.set_index([“a”,”b”]) #把某几列作为索引
• series
  • s1["a"]["b"]
  • s1["a","b"]
• DataFrame
  • df.loc["a"].loc["b"]
• 从内层开始选择
  • df.swaplevel()