标签：生还 Python Series DataFrame 分组 累计 数据 Pandas
简单累计功能
Series sum() 返回一个 统计值
DataFrame sum。默认对每列进行统计
设置axis参数，对每一行 进行统计
describe()可以计算每一列的若干常用统计值。
获取seaborn planets数据
github: https://github.com/mwaskom/seaborn-data.git
windows： 放在用户目录下（在线下载卡。超时。）
dropna()丢弃有缺失值的行。
Pandas累计方法
| Aggregation | Description |
|---|---|
| count() | Total number of items |
| first(), last() | First and last item |
| mean(), median() | Mean and median |
| min(), max() | Minimum and maximum |
| std(), var() | Standard deviation and variance |
| mad() | Mean absolute deviation |
| prod() | Product of all items |
| sum() | Sum of all items |
Groupy: 分割、应用和组合
split、 apply、combine
groupby()方法传递参数列名。返回值是个DataFrameGroupBy对象。
GroupBy对象。
可以看成是DataFrame的集合。
常用的操作：aggregate(累计）、filter（过滤）、transform（转换）、apply（应用）
1）按列取值
2）按组迭代，返回的每一组都是Series 或 DataFrame
3) 调用方法
累计 过滤 转换 应用
1）累计 aggregate
2) 过滤 filter
- 转换 transform
累计操作 对组内全量数据缩减的结果。 而 转换 操作 会返回一个新的全量数据
4）apply()
输入一个DataFrame 对象，f返回一个Pandas对象 或 单个数值。 组合操作会 适应返回结果类型。
设置分割的键
1)将列表、数组、Series或 索引作为分组键
2）用字典或 Series将索引 映射到 分组名称
3）任意python函数，函数映射到索引
分组案例
以十年为一个时间段。
加上s
这里 groupby 俩个值。懵逼了。
数据透视表
groupby 是探索数据内部的关联性 。
数据透视表： pivottable 是一种类似的操作方法。常见与Excel与类似的表格 应用中。
数据透视表 将每一列 数据作为输入， 输出将数据不断细分 成多个维度累计信息的 二维数据表。
是多维的GroupBy累计操作。
泰坦尼克号 乘客 数据
1）按照性别 、最终生还状态 进行分组
2）进一步 探索，不同性别与船舱 等级的生还情况。
3）上面这个是不是感觉很复杂。使用pivot_table 就会简单
一等舱的女性 生还率最高。 三等舱的生还率 最低
好好努力
4）再把年龄也加进去。 多级数据透视表
5）其他选项
标签：生还,Python,Series,DataFrame,分组,累计,数据,Pandas 来源： https://www.cnblogs.com/clllll/p/16340057.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。