【数据操作与可视化】Pandas数据处理-其他操作
一、不同df进行拼接
有时我们需要把不同的df合在一起，这时就要用到dataframe的拼接操作。
python
import pandas as pd
df1 = pd.read_excel(r'数据拼接.xlsx') # 3行4列
df2 = pd.read_excel(r'数据拼接.xlsx', sheet_name='data2') # 4行3列
pd.concat([df1, df2]) # 默认竖向拼接
pd.concat([df1, df2], ignore_index=True) # 重新自动设置索引
pd.concat([df1, df2], axis=1) # 设置横向拼接
# 练习：利用concat方法在df中间插入一条记录
# 思路：先把原来的df拆分成两部分，然后再把它们和新的那行拼接在一起即可
df = pd.read_excel('数值操作.xlsx')
df_first = df[:5]
df_second = df[5:]
df_new = pd.DataFrame({'订单编号':'AAAA',
'客户姓名': 'billy',
'唯一识别码': 999,
'购买日期': '2020-09-10',
'年龄': 18,
'消费金额': 1000}, index=[0])
pd.concat([df_first, df_new, df_second], ignore_index=True)二、数据分组
分组操作相当于数据库中的group by操作，通常用于对数据进行统计操作
bash
# 1.
df = pd.read_excel('数据分组.xlsx')
print(df)
# 通过group by指定分组依据。注意，统计方法后面不能加参数，比如count后面不能有参数，否则报错
print(df.groupby('学生ID').count())
# print(df.groupby('学生ID').count('科目')) # 报错
# sum操作只针对于float，int等数值类型的列才进行操作
print(df.groupby('学生ID').sum())
# 按照多列来进行分组，如果分组后面没有指定列名，默认会对所有列进行count操作
print(df.groupby(['学生ID', '科目']).count())
# 分组后面的列叫统计列。，可以在group by后面指定列名。如果要统计的列有多列的话，必须加[]括起来
print(df.groupby(['学生ID'])[['成绩']].count()) # 学生ID分组后，只统计成绩这列
print(df.groupby(['学生ID'])[['成绩', '授课老师']].count())# 统计成绩和授课老师两列
# aggregate方法的使用, 它可以同时在指定的统计列上做不同的统计计算,也就是想同时进行多种统计计算时，可以使用aggregate方法来实现
print(df.groupby('所在年级')[['成绩', '年龄']].aggregate(['mean', 'max']))
# 分组后再对不同的字段采用不同的统计方法
print(df.groupby('所在年级').aggregate({
'科目': 'count', # 针对科目这列计数
'成绩': 'mean',
'年龄': 'max'
}))
print(df.groupby('所在年级').aggregate({
'科目': 'count',
'成绩': 'mean',
'年龄': ['max', 'median'] # 对某一列进行多种统计
}))三、数据导出
在pandas中要将df导出为其他格式的文件，只需要统一调用pandas的to_xxx()方法即可。
python
# 在工作路径导出为excel文件。注意，有些电脑上可能会出现缺乏openyxl模块导致的错误，如果报错的话可以自己用pip装一下。
df1.to_excel('test.xlsx')
# 指定sheet名称
df1.to_excel('test.xlsx', sheet_name='新sheet')
# 去掉默认的索引
df.to_excel(r'导出数据.xlsx', index = False)
# 设置要导出的列
df.to_excel(r'导出数据.xlsx', index=False, columns=['列2', '列3'])
# 导出为csv文件时，含有中文必须加encoding参数
df.to_csv('测试保存csv.csv', encoding='utf_8_sig') # encoding可以设置为utf_8_sig和gbk