python

如果DataFrame的某一列中含有k个不同的值，则可以派生出一个k列矩阵或DataFrame（其值全为1和0）。pandas有一个get_dummies函数可以实现该功能

df = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'b'],'data1': range(6)})

pd.get_dummies(df['key'])

对于Series，行标签带有前缀。

对于DataFrame，列标签带有前缀。

qcut/cut(数据数组,面元数组)

根据数据的分布情况，cut可能⽆法使各个⾯元 中含有相同数量的数据点。⽽qcut由于使⽤的是样本分位数，因 此可以得到⼤⼩基本相等的⾯元

data=pd.Series(np.random.randn(5),index=[['a','a','b','b','c'],list(np.arange(5))])

data[['a','b']]=data.loc[['a','b']]

data['a':'b']=data.loc['a':'b']

在“内层”中进行选取:data.loc[:,1]

层次化索引生成透视表：data.unstack()

unstack的逆运算是stack:data.unstack().stack()

data.swaplevel('name1', 'name2'):重排

data.sort_index():根据单个级别中的值对数据进⾏排序--data.sort_index(level='')

将其⼀个或多个列转换为⾏索引，并创建⼀个新的DataFrame

frame2 = frame.set_index(['c', 'd'])

reset_index的功能跟set_index刚好相反，层次化索引的级别会

被转移到列⾥⾯

一、pandas.merge：可根据⼀个或多个键将不同DataFrame中的⾏

连接起来（类sql的join）

１.参数详解

merge 结果：一对多 和 多对多 连接是行的笛卡尔积

警告： 在进行列－列连接时，DataFrame对象中的索引会被丢弃

DataFrame还有⼀个便捷的join实例⽅法，它能更为⽅便地实现

按索引合并： left2.join(right2,on='key', how='outer')

numpy数据合并：np.concatenate()函数(参数axis)

二、pandas.concat:可以沿着⼀条轴将多个对象堆叠到⼀起。

concat参数如下：

pd.concat([df1,df2],keys=['x','y'],axis=1,names=['xx','yy'])