Pandas4——Pandas高级处理

目录：

1. 缺失值处理/替换
2. 数据离散化
3. 合并
4. 交叉表与透视表
5. 分组与聚合

1. 缺失值处理

• data.dropna()
  删除np.nan的缺失值
  按照行去删除，可以指定axis
• data['a'].fillna(data['a'].mean(), inplace = True)
  填充平均值
• df.replace(to_replace=, value= )
  思路：先替换为nan，再做上述处理
  pandas很多操作不会修改原来的值，要去接收

2. 数据离散化

连续属性的离散化就是将连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数值代表落在每个子区间中的属性值。

• pd.qcut()
  对数据进行分组，一般与value_counts搭配使用，统计每组个数
• series.value_counts() 统计分组次数

datad = pd.qcut(data['gupiao1'],19)
datad.value_counts()

• pd.cut(data['gupiao1'],bins)
  可以用bins自定义分组区间
• pd.get_dummies(data['gupiao1'], prefix = "rise")
  变成哑变量矩阵

3. 合并

• pd.concat([data1, data2], axis=1)
  按照行进行合并（axis=0，按照列进行合并）
• pd.merge(left, right, how="inner", on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=(),copy=True, indicator=False, validate=None)
  可以指定按照两组数据的共同建值对合并或者左右各自
• pd.join() 与merge相似

4. 交叉表与透视表

• pd.crosstab(value1, value2)
  计算两列之间的关系
• pd.pivot_table([], index=[])
  通过透视表，将整个过程变得简单一些

5. 分组与聚合

• DataFrame.groupby(key, as_index = False)
  key: 分组的列数据，可以多个
  as_index:指定不去改变原来数据的结构

Starbucks.groupby("Country").count()['Brand'].plot(kind='bar')