▲本文二級目錄
01 關(guān)于pandas
pandas，Python+data+analysis的組合縮寫，是Python中基于Numpy和Matplotlib的第三方數(shù)據(jù)分析庫，與后兩者共同構(gòu)成了Python數(shù)據(jù)分析的基礎(chǔ)工具包，享有數(shù)分三劍客之名。
正因?yàn)閜andas是在Numpy基礎(chǔ)上實(shí)現(xiàn)，其核心數(shù)據(jù)結(jié)構(gòu)與Numpy的ndarray十分相似，但pandas與Numpy的關(guān)系不是替代，而是互為補(bǔ)充。二者之間主要區(qū)別是：
從數(shù)據(jù)結(jié)構(gòu)上看：Numpy的核心數(shù)據(jù)結(jié)構(gòu)是ndarray，支持任意維數(shù)的數(shù)組，但要求單個(gè)數(shù)組內(nèi)所有數(shù)據(jù)是同質(zhì)的，即類型必須相同；而pandas的核心數(shù)據(jù)結(jié)構(gòu)是series和dataframe，僅支持一維和二維數(shù)據(jù)，但數(shù)據(jù)內(nèi)部可以是異構(gòu)數(shù)據(jù)，僅要求同列數(shù)據(jù)類型一致即可Numpy的數(shù)據(jù)結(jié)構(gòu)僅支持?jǐn)?shù)字索引，而pandas數(shù)據(jù)結(jié)構(gòu)則同時(shí)支持?jǐn)?shù)字索引和標(biāo)簽索引從功能定位上看：Numpy雖然也支持字符串等其他數(shù)據(jù)類型，但仍然主要是用于數(shù)值計(jì)算，尤其是內(nèi)部集成了大量矩陣計(jì)算模塊，例如基本的矩陣運(yùn)算、線性代數(shù)、fft、生成隨機(jī)數(shù)等，支持靈活的廣播機(jī)制pandas主要用于數(shù)據(jù)處理與分析，支持包括數(shù)據(jù)讀寫、數(shù)值計(jì)算、數(shù)據(jù)處理、數(shù)據(jù)分析和數(shù)據(jù)可視化全套流程操作pandas主要面向數(shù)據(jù)處理與分析，主要具有以下功能特色：
按索引匹配的廣播機(jī)制，這里的廣播機(jī)制與Numpy廣播機(jī)制還有很大不同便捷的數(shù)據(jù)讀寫操作，相比于Numpy僅支持?jǐn)?shù)字索引，pandas的兩種數(shù)據(jù)結(jié)構(gòu)均支持標(biāo)簽索引，包括bool索引也是支持的類比SQL的join和groupby功能，pandas可以很容易實(shí)現(xiàn)SQL這兩個(gè)核心功能，實(shí)際上，SQL的絕大部分DQL和DML操作在pandas中都可以實(shí)現(xiàn)類比Excel的數(shù)據(jù)透視表功能，Excel中最為強(qiáng)大的數(shù)據(jù)分析工具之一是數(shù)據(jù)透視表，這在pandas中也可輕松實(shí)現(xiàn)自帶正則表達(dá)式的字符串向量化操作，對pandas中的一列字符串進(jìn)行通函數(shù)操作，而且自帶正則表達(dá)式的大部分接口豐富的時(shí)間序列向量化處理接口常用的數(shù)據(jù)分析與統(tǒng)計(jì)功能，包括基本統(tǒng)計(jì)量、分組統(tǒng)計(jì)分析等集成Matplotlib的常用可視化接口，無論是series還是dataframe，均支持面向?qū)ο蟮睦L圖接口正是由于具有這些強(qiáng)大的數(shù)據(jù)分析與處理能力，pandas還有數(shù)據(jù)處理中"瑞士軍刀"的美名。
02 數(shù)據(jù)結(jié)構(gòu)
pandas核心數(shù)據(jù)結(jié)構(gòu)有兩種，即一維的series和二維的dataframe，二者可以分別看做是在Numpy一維數(shù)組和二維數(shù)組的基礎(chǔ)上增加了相應(yīng)的標(biāo)簽信息。正因如此，可以從兩個(gè)角度理解series和dataframe：
series和dataframe分別是一維和二維數(shù)組，因?yàn)槭菙?shù)組，所以Numpy中關(guān)于數(shù)組的用法基本可以直接應(yīng)用到這兩個(gè)數(shù)據(jù)結(jié)構(gòu)，包括數(shù)據(jù)創(chuàng)建、切片訪問、通函數(shù)、廣播機(jī)制等series是帶標(biāo)簽的一維數(shù)組，所以還可以看做是類字典結(jié)構(gòu)：標(biāo)簽是key，取值是value；而dataframe則可以看做是嵌套字典結(jié)構(gòu)，其中列名是key，每一列的series是value。所以從這個(gè)角度講，pandas數(shù)據(jù)創(chuàng)建的一種靈活方式就是通過字典或者嵌套字典，同時(shí)也自然衍生出了適用于series和dataframe的類似字典訪問的接口，即通過loc索引訪問。注意，這里強(qiáng)調(diào)series和dataframe是一個(gè)類字典結(jié)構(gòu)而非真正意義上的字典，原因在于series中允許標(biāo)簽名重復(fù)、dataframe中則允許列名和標(biāo)簽名均有重復(fù)，而這是一個(gè)真正字典所不允許的。
考慮series和dataframe兼具Numpy數(shù)組和字典的特性，那么就不難理解二者的以下屬性：
ndim/shape/dtypes/size/T，分別表示了數(shù)據(jù)的維數(shù)、形狀、數(shù)據(jù)類型和元素個(gè)數(shù)以及轉(zhuǎn)置結(jié)果。其中，由于pandas允許數(shù)據(jù)類型是異構(gòu)的，各列之間可能含有多種不同的數(shù)據(jù)類型，所以dtype取其復(fù)數(shù)形式dtypes。與此同時(shí)，series因?yàn)橹挥幸涣校詳?shù)據(jù)類型自然也就只有一種，pandas為了兼容二者，series的數(shù)據(jù)類型屬性既可以用dtype也可以用dtypes獲??；而dataframe則只能用dtypes。index/columns/values，分別對應(yīng)了行標(biāo)簽、列標(biāo)簽和數(shù)據(jù)，其中數(shù)據(jù)就是一個(gè)格式向上兼容所有列數(shù)據(jù)類型的array。為了沿襲字典中的訪問習(xí)慣，還可以用keys()訪問標(biāo)簽信息，在series返回index標(biāo)簽，在dataframe中則返回columns列名；可以用items()訪問鍵值對，但一般用處不大。這里提到了index和columns分別代表行標(biāo)簽和列標(biāo)簽，就不得不提到pandas中的另一個(gè)數(shù)據(jù)結(jié)構(gòu)：Index，例如series中標(biāo)簽列、dataframe中行標(biāo)簽和列標(biāo)簽均屬于這種數(shù)據(jù)結(jié)構(gòu)。
既然是數(shù)據(jù)結(jié)構(gòu)，就必然有數(shù)據(jù)類型dtype屬性，例如數(shù)值型、字符串型或時(shí)間類型等，其類型絕大多數(shù)場合并不是我們關(guān)注的主體，但有些時(shí)候值得注意，如后文中提到的通過[ ]執(zhí)行標(biāo)簽切片訪問行的過程。
此外，index數(shù)據(jù)結(jié)構(gòu)還有名字屬性name（默認(rèn)為None）、形狀屬性shape等。
關(guān)于series和dataframe數(shù)據(jù)結(jié)構(gòu)本身，有大量的方法可用于重構(gòu)結(jié)構(gòu)信息：
rename，可以對標(biāo)簽名重命名，也可以重置index和columns的部分標(biāo)簽列信息，接收標(biāo)量（用于對標(biāo)簽名重命名）或字典（用于重命名行標(biāo)簽和列標(biāo)簽）reindex，接收一個(gè)新的序列與已有標(biāo)簽列匹配，當(dāng)原標(biāo)簽列中不存在相應(yīng)信息時(shí)，填充NAN或者可選的填充值set_index/reset_index，互為逆操作，前者是將已有的一列信息設(shè)置為標(biāo)簽列，而后者是將原標(biāo)簽列歸為數(shù)據(jù)，并重置為默認(rèn)數(shù)字標(biāo)簽set_axis，設(shè)置標(biāo)簽列，一次只能設(shè)置一列信息，與rename功能相近，但接收參數(shù)為一個(gè)序列更改全部標(biāo)簽列信息（rename中是接收字典，允許只更改部分信息）rename_axis，重命名標(biāo)簽名，rename中也可實(shí)現(xiàn)相同功能在pandas早些版本中，除一維數(shù)據(jù)結(jié)構(gòu)series和二維數(shù)據(jù)結(jié)構(gòu)dataframe外，還支持三維數(shù)據(jù)結(jié)構(gòu)panel。這三者是構(gòu)成遞進(jìn)包容關(guān)系，panel即是dataframe的容器，用于存儲多個(gè)dataframe。
2019年7月，隨著pandas 0.25版本的推出，pandas團(tuán)隊(duì)宣布正式棄用panel數(shù)據(jù)結(jié)構(gòu)，而相應(yīng)功能建議由多層索引實(shí)現(xiàn)。
也正因?yàn)閜andas這3種獨(dú)特的數(shù)據(jù)結(jié)構(gòu)，個(gè)人一度認(rèn)為pandas包名解釋為：pandas = panel + dataframe + series，根據(jù)維數(shù)取相應(yīng)的首字母個(gè)數(shù)，從而構(gòu)成pandas，這是個(gè)人非常喜歡的一種關(guān)于pandas縮寫的解釋。
03 數(shù)據(jù)讀寫
pandas支持大部分的主流文件格式進(jìn)行數(shù)據(jù)讀寫，常用格式及接口為：
文本文件，主要包括csv和txt兩種等，相應(yīng)接口為read_csv()和to_csv()，分別用于讀寫數(shù)據(jù)Excel文件，包括xls和xlsx兩種格式均得到支持，底層是調(diào)用了xlwt和xlrd進(jìn)行excel文件操作，相應(yīng)接口為read_excel()和to_excel()SQL文件，支持大部分主流關(guān)系型數(shù)據(jù)庫，例如MySQL，需要相應(yīng)的數(shù)據(jù)庫模塊支持，相應(yīng)接口為read_sql()和to_sql()此外，pandas還支持html、json等文件格式的讀寫操作。
04 數(shù)據(jù)訪問
series和dataframe兼具Numpy數(shù)組和字典的結(jié)構(gòu)特性，所以數(shù)據(jù)訪問都是從這兩方面入手。同時(shí)，也支持bool索引進(jìn)行數(shù)據(jù)訪問和篩選。
[ ]，這是一個(gè)非常便捷的訪問方式，不過需區(qū)分series和dataframe兩種數(shù)據(jù)結(jié)構(gòu)理解：series：既可以用標(biāo)簽也可以用數(shù)字索引訪問單個(gè)元素，還可以用相應(yīng)的切片訪問多個(gè)值，因?yàn)橹挥幸痪S信息，自然毫無懸念dataframe：無法訪問單個(gè)元素，只能返回一列、多列或多行：單值或多值（多個(gè)列名組成的列表）訪問時(shí)按列進(jìn)行查詢，單值訪問不存在列名歧義時(shí)還可直接用屬性符號" . "訪問。切片形式訪問時(shí)按行進(jìn)行查詢，又區(qū)分?jǐn)?shù)字切片和標(biāo)簽切片兩種情況：當(dāng)輸入數(shù)字索引切片時(shí)，類似于普通列表切片；當(dāng)輸入標(biāo)簽切片時(shí)，執(zhí)行范圍查詢（即無需切片首末值存在于標(biāo)簽列中），包含兩端標(biāo)簽結(jié)果，無匹配行時(shí)返回為空，但要求標(biāo)簽切片類型與索引類型一致。例如，當(dāng)標(biāo)簽列類型（可通過df.index.dtype查看）為時(shí)間類型時(shí)，若使用無法隱式轉(zhuǎn)換為時(shí)間的字符串作為索引切片，則引發(fā)報(bào)錯(cuò)▲切片形式返回行查詢，且為范圍查詢
▲切片類型與索引列類型不一致時(shí)，引發(fā)報(bào)錯(cuò)
loc/iloc，最為常用的兩種數(shù)據(jù)訪問方法，其中l(wèi)oc按標(biāo)簽值訪問、iloc按數(shù)字索引訪問，均支持單值訪問或切片查詢。與[ ]訪問類似，loc按標(biāo)簽訪問時(shí)也是執(zhí)行范圍查詢，包含兩端結(jié)果at/iat，loc和iloc的特殊形式，不支持切片訪問，僅可以用單個(gè)標(biāo)簽值或單個(gè)索引值進(jìn)行訪問，一般返回標(biāo)量結(jié)果，除非標(biāo)簽值存在重復(fù)isin/notin，條件范圍查詢，即根據(jù)特定列值是否存在于指定列表返回相應(yīng)的結(jié)果where，仍然是執(zhí)行條件查詢，但會返回全部結(jié)果，只是將不滿足匹配條件的結(jié)果賦值為NaN或其他指定值，可用于篩選或屏蔽值query，按列對dataframe執(zhí)行條件查詢，一般可用常規(guī)的條件查詢替代get，由于series和dataframe均可以看做是類字典結(jié)構(gòu)，所以也可使用字典中的get()方法，主要適用于不確定數(shù)據(jù)結(jié)構(gòu)中是否包含該標(biāo)簽時(shí)，與字典的get方法完全一致lookup，loc的一種特殊形式，分別傳入一組行標(biāo)簽和列標(biāo)簽，lookup解析成一組行列坐標(biāo)，返回相應(yīng)結(jié)果：pandas中支持大量的數(shù)據(jù)訪問接口，但萬變不離其宗：只要聯(lián)想兩種數(shù)據(jù)結(jié)構(gòu)兼具Numpy數(shù)組和字典的雙重特性，就不難理解這些數(shù)據(jù)訪問的邏輯原理。當(dāng)然，重點(diǎn)還是掌握[]、loc和iloc三種方法。
loc和iloc應(yīng)該理解為是series和dataframe的屬性而非函數(shù)，應(yīng)用loc和iloc進(jìn)行數(shù)據(jù)訪問就是根據(jù)屬性值訪問的過程。
另外，在pandas早些版本中，還存在loc和iloc的兼容結(jié)構(gòu)，即ix，可混合使用標(biāo)簽和數(shù)字索引，但往往容易混亂，所以現(xiàn)已棄用。
05 數(shù)據(jù)處理
pandas最為強(qiáng)大的功能當(dāng)然是數(shù)據(jù)處理和分析，可獨(dú)立完成數(shù)據(jù)分析前的絕大部分?jǐn)?shù)據(jù)預(yù)處理需求。簡單歸納來看，主要可分為以下幾個(gè)方面：
1. 數(shù)據(jù)清洗
數(shù)據(jù)處理中的清洗工作主要包括對空值、重復(fù)值和異常值的處理：
空值判斷空值，isna或isnull，二者等價(jià)，用于判斷一個(gè)series或dataframe各元素值是否為空的bool結(jié)果。需注意對空值的界定：即None或numpy.nan才算空值，而空字符串、空列表等則不屬于空值；類似地，notna和notnull則用于判斷是否非空填充空值，fillna，按一定策略對空值進(jìn)行填充，如常數(shù)填充、向前/向后填充等，也可通過inplace參數(shù)確定是否本地更改刪除空值，dropna，刪除存在空值的整行或整列，可通過axis設(shè)置，也包括inplace參數(shù)重復(fù)值檢測重復(fù)值，duplicated，檢測各行是否重復(fù)，返回一個(gè)行索引的bool結(jié)果，可通過keep參數(shù)設(shè)置保留第一行/最后一行/無保留，例如keep=first意味著在存在重復(fù)的多行時(shí)，首行被認(rèn)為是合法的而可以保留刪除重復(fù)值，drop_duplicates，按行檢測并刪除重復(fù)的記錄，也可通過keep參數(shù)設(shè)置保留項(xiàng)。由于該方法默認(rèn)是按行進(jìn)行檢測，如果存在某個(gè)需要需要按列刪除，則可以先轉(zhuǎn)置再執(zhí)行該方法異常值，判斷異常值的標(biāo)準(zhǔn)依賴具體分析數(shù)據(jù)，所以這里僅給出兩種處理異常值的可選方法刪除，drop，接受參數(shù)在特定軸線執(zhí)行刪除一條或多條記錄，可通過axis參數(shù)設(shè)置是按行刪除還是按列刪除替換，replace，非常強(qiáng)大的功能，對series或dataframe中每個(gè)元素執(zhí)行按條件替換操作，還可開啟正則表達(dá)式功能2. 數(shù)值計(jì)算
由于pandas是在Numpy的基礎(chǔ)上實(shí)現(xiàn)的，所以Numpy的常用數(shù)值計(jì)算操作在pandas中也適用：
通函數(shù)ufunc，即可以像操作標(biāo)量一樣對series或dataframe中的所有元素執(zhí)行同一操作，這與Numpy的特性是一致的，例如前文提到的replace函數(shù)，本質(zhì)上可算作是通函數(shù)。如下實(shí)現(xiàn)對數(shù)據(jù)表中逐元素求平方廣播機(jī)制，即當(dāng)維度或形狀不匹配時(shí)，會按一定條件廣播后計(jì)算。由于pandas是帶標(biāo)簽的數(shù)組，所以在廣播過程中會自動(dòng)按標(biāo)簽匹配進(jìn)行廣播，而非類似Numpy那種純粹按順序進(jìn)行廣播。例如，如下示例中執(zhí)行一個(gè)dataframe和series相乘，雖然二者維度不等、大小不等、標(biāo)簽順序也不一致，但仍能按標(biāo)簽匹配得到預(yù)期結(jié)果字符串向量化，即對于數(shù)據(jù)類型為字符串格式的一列執(zhí)行向量化的字符串操作，本質(zhì)上是調(diào)用series.str屬性的系列接口，完成相應(yīng)的字符串操作。尤為強(qiáng)大的是，除了常用的字符串操作方法，str屬性接口中還集成了正則表達(dá)式的大部分功能，這使得pandas在處理字符串列時(shí)，兼具高效和強(qiáng)力。例如如下代碼可用于統(tǒng)計(jì)每個(gè)句子中單詞的個(gè)數(shù)需注意的是，這里的字符串接口與Python中普通字符串的接口形式上很是相近，但二者是不一樣的。
時(shí)間類型向量化操作，如字符串一樣，在pandas中另一個(gè)得到"優(yōu)待"的數(shù)據(jù)類型是時(shí)間類型，正如字符串列可用str屬性調(diào)用字符串接口一樣，時(shí)間類型列可用dt屬性調(diào)用相應(yīng)接口，這在處理時(shí)間類型時(shí)會十分有效。3. 數(shù)據(jù)轉(zhuǎn)換
前文提到，在處理特定值時(shí)可用replace對每個(gè)元素執(zhí)行相同的操作，然而replace一般僅能用于簡單的替換操作，所以pandas還提供了更為強(qiáng)大的數(shù)據(jù)轉(zhuǎn)換方法
map，適用于series對象，功能與Python中的普通map函數(shù)類似，即對給定序列中的每個(gè)值執(zhí)行相同的映射操作，不同的是series中的map接口的映射方式既可以是一個(gè)函數(shù)，也可以是一個(gè)字典apply，既適用于series對象也適用于dataframe對象，但對二者處理的粒度是不一樣的：apply應(yīng)用于series時(shí)是逐元素執(zhí)行函數(shù)操作；apply應(yīng)用于dataframe時(shí)是逐行或者逐列執(zhí)行函數(shù)操作（通過axis參數(shù)設(shè)置對行還是對列，默認(rèn)是行），僅接收函數(shù)作為參數(shù)applymap，僅適用于dataframe對象，且是對dataframe中的每個(gè)元素執(zhí)行函數(shù)操作，從這個(gè)角度講，與replace類似，applymap可看作是dataframe對象的通函數(shù)。4. 合并與拼接
pandas中又一個(gè)重量級數(shù)據(jù)處理功能是對多個(gè)dataframe進(jìn)行合并與拼接，對應(yīng)SQL中兩個(gè)非常重要的操作：union和join。pandas完成這兩個(gè)功能主要依賴以下函數(shù)：
concat，與Numpy中的concatenate類似，但功能更為強(qiáng)大，可通過一個(gè)axis參數(shù)設(shè)置是橫向或者拼接，要求非拼接軸向標(biāo)簽唯一（例如沿著行進(jìn)行拼接時(shí)，要求每個(gè)df內(nèi)部列名是唯一的，但兩個(gè)df間可以重復(fù)，畢竟有相同列才有拼接的實(shí)際意義）merge，完全類似于SQL中的join語法，僅支持橫向拼接，通過設(shè)置連接字段，實(shí)現(xiàn)對同一記錄的不同列信息連接，支持inner、left、right和outer4種連接方式，但只能實(shí)現(xiàn)SQL中的等值連接join，語法和功能與merge一致，不同的是merge既可以用pandas接口調(diào)用，也可以用dataframe對象接口調(diào)用，而join則只適用于dataframe對象接口append，concat執(zhí)行axis=0時(shí)的一個(gè)簡化接口，類似列表的append函數(shù)一樣實(shí)際上，concat通過設(shè)置axis=1也可實(shí)現(xiàn)與merge類似的效果，二者的區(qū)別在于：merge允許連接字段重復(fù)，類似一對多或者多對一連接，此時(shí)將產(chǎn)生笛卡爾積結(jié)果；而concat則不允許重復(fù)，僅能一對一拼接。
▲建表語句
▲通過設(shè)置參數(shù)，concat和merge實(shí)現(xiàn)相同效果
06 數(shù)據(jù)分析
pandas中的另一大類功能是數(shù)據(jù)分析，通過豐富的接口，可實(shí)現(xiàn)大量的統(tǒng)計(jì)需求，包括Excel和SQL中的大部分分析過程，在pandas中均可以實(shí)現(xiàn)。
1. 基本統(tǒng)計(jì)量
pandas內(nèi)置了豐富的統(tǒng)計(jì)接口，這是與Numpy是一致的，同時(shí)又包括一些常用統(tǒng)計(jì)信息的集成接口。
info，展示行標(biāo)簽、列標(biāo)簽、以及各列基本信息，包括元素個(gè)數(shù)和非空個(gè)數(shù)及數(shù)據(jù)類型等head/tail，從頭/尾抽樣指定條數(shù)記錄describe，展示數(shù)據(jù)的基本統(tǒng)計(jì)指標(biāo)，包括計(jì)數(shù)、均值、方差、4分位數(shù)等，還可接收一個(gè)百分位參數(shù)列表展示更多信息count、value_counts，前者既適用于series也適用于dataframe，用于按列統(tǒng)計(jì)個(gè)數(shù)，實(shí)現(xiàn)忽略空值后的計(jì)數(shù)；而value_counts則僅適用于series，執(zhí)行分組統(tǒng)計(jì)，并默認(rèn)按頻數(shù)高低執(zhí)行降序排列，在統(tǒng)計(jì)分析中很有用unique、nunique，也是僅適用于series對象，統(tǒng)計(jì)唯一值信息，前者返回唯一值結(jié)果列表，后者返回唯一值個(gè)數(shù)(number of unique）sort_index、sort_values，既適用于series也適用于dataframe，sort_index是對標(biāo)簽列執(zhí)行排序，如果是dataframe可通過axis參數(shù)設(shè)置是對行標(biāo)簽還是列標(biāo)簽執(zhí)行排序；sort_values是按值排序，如果是dataframe對象，也可通過axis參數(shù)設(shè)置排序方向是行還是列，同時(shí)根據(jù)by參數(shù)傳入指定的行或者列，可傳入多行或多列并分別設(shè)置升序降序參數(shù)，非常靈活。另外，在標(biāo)簽列已經(jīng)命名的情況下，sort_values可通過by標(biāo)簽名實(shí)現(xiàn)與sort_index相同的效果。2. 分組聚合
pandas的另一個(gè)強(qiáng)大的數(shù)據(jù)分析功能是分組聚合以及數(shù)據(jù)透視表，前者堪比SQL中的groupby，后者媲美Excel中的數(shù)據(jù)透視表。
groupby，類比SQL中的group by功能，即按某一列或多列執(zhí)行分組。一般而言，分組的目的是為了后續(xù)的聚合統(tǒng)計(jì)，所有g(shù)roupby函數(shù)一般不單獨(dú)使用，而需要級聯(lián)其他聚合函數(shù)共同完成特定需求，例如分組求和、分組求均值等。▲pandas官網(wǎng)關(guān)于groupby過程的解釋
級聯(lián)其他聚合函數(shù)的方式一般有兩種：單一的聚合需求用groupby+聚合函數(shù)即可，復(fù)雜的大量聚合則可借用agg函數(shù)，agg函數(shù)接受多種參數(shù)形式作為聚合函數(shù)，功能更為強(qiáng)大。
▲兩種分組聚合形式
pivot，pivot英文有"支點(diǎn)"或者"旋轉(zhuǎn)"的意思，排序算法中經(jīng)典的快速排序就是不斷根據(jù)pivot不斷將數(shù)據(jù)二分，從而加速排序過程。用在這里，實(shí)際上就是執(zhí)行行列重整。例如，以某列取值為重整后行標(biāo)簽，以另一列取值作為重整后的列標(biāo)簽，以其他列取值作為填充value，即實(shí)現(xiàn)了數(shù)據(jù)表的行列重整。以SQL中經(jīng)典的學(xué)生成績表為例，給定原始學(xué)生—課程—成績表，需重整為學(xué)生vs課程的成績表，則可應(yīng)用pivot實(shí)現(xiàn)：另外，還有一對函數(shù)也常用于數(shù)據(jù)重整，即stack和unstack，其中unstack執(zhí)行效果與pivot非常類似，而stack則是unstack的逆過程。
pivot_table，有了pivot就不難理解pivot_table，實(shí)際上它是在前者的基礎(chǔ)上增加了聚合的過程，類似于Excel中的數(shù)據(jù)透視表功能。仍然考慮前述學(xué)生成績表的例子，但是再增加一列班級信息，需求是統(tǒng)計(jì)各班級每門課程的平均分。由于此時(shí)各班的每門課成績信息不唯一，所以直接用pivot進(jìn)行重整會報(bào)錯(cuò)，此時(shí)即需要對各班各門課程成績進(jìn)行聚合后重整，比如取平均分。07 數(shù)據(jù)可視化
pandas集成了Matplotlib中的常用可視化圖形接口，可通過series和dataframe兩種數(shù)據(jù)結(jié)構(gòu)面向?qū)ο蟮慕涌诜绞胶唵握{(diào)用。
兩種數(shù)據(jù)結(jié)構(gòu)作圖，區(qū)別僅在于series是繪制單個(gè)圖形，而dataframe則是繪制一組圖形，且在dataframe繪圖結(jié)果中以列名為標(biāo)簽自動(dòng)添加legend。另外，均支持兩種形式的繪圖接口：
plot屬性+相應(yīng)繪圖接口，如plot.bar()用于繪制條形圖plot()方法并通過傳入kind參數(shù)選擇相應(yīng)繪圖類型，如plot(kind='bar')不過，pandas繪圖中僅集成了常用的圖表接口，更多復(fù)雜的繪圖需求往往還需依賴Matplotlib或者其他可視化庫。