Pandas的基础操作：常用函数（求均值，方差，求和，众数，统计元素个数等）／分组运算groupby操作／透视表

刚刚使用Python进行数据分析，分享一些概念和想法，希望可以大家一起讨论，如果理解或者表达有不准确的地方，请多多指点，不吝赐教，非常感谢～～

本文将介绍Pandas操作的最后一个部分，前两篇分别是：
《Pandas的基础操作：介绍／创建／查看数据／赋值／常用函数》：https://blog.csdn.net/weixin_42969619/article/details/96863875
《Pandas的基础操作：合并数据.merge()函数的使用》：https://blog.csdn.net/weixin_42969619/article/details/97132359
《Pandas的基础操作：排序／设置行索引》：https://blog.csdn.net/weixin_42969619/article/details/97113118

---

**在之前的文章里介绍了一些pandas常用函数的接口，略有修改，表格如下：

	常用接口	参数	返回值	说明
1	data.mean()	axis=0/1默认值为0	Series	求列平均值
2	data.std()	axis=0/1默认值为0	Series	求每列的标准差
3	data.var()	axis=0/1默认值为0	Series	求每列的方差
4	data.median()	axis=0/1默认值为0	Series	求每列的中位数
5	data.min()	axis=0/1默认值为0	Series	求每列的最小值
6	data.max()	axis=0/1默认值为0	Series	求每列的最大值
7	data.sum()	axis=0/1默认值为0	DataFrame/Series	对每列求和
8	data.cumsum()	axis=0/1默认值为0	DataFrame/Series	对每行进行累加
9	data.count()	axis=0/1默认值为0	DataFrame/Series	按列统计非空元素个数
10	data.nunique()	axis=0/1默认值为0	int/Series	统计Series中不同值的个数／统计DataFrame中每列中几个不同值
11	data_series.mode()		Series	常用在返回对Series中出现最多的元素
12	data_series.unique()		ndarray	只能用在统计Series中存在的不重复元素
13	data_series.value_counts()		Series	只能用在统计Series中每个元素出现的次数

以下列数据作为例子：

# np.random.seed(1)
index = pd.MultiIndex.from_product([['TX', 'FL', 'CA'], ['North', 'South']], 
                                   names=['State', 'Direction'])
data = pd.DataFrame(index=index, data=np.random.randint(0, 10, (6,4)), columns=list('abcd'))
data.reset_index(inplace=True)
data

• 按列求均值／方差／中位数

data.mean()
data.std()
data.median()

• 求最大最小值

data.min()
data.max(axis=1)

• 按列统计出现次数最多的元素

data.mode()
data.d.mode()

• 按列统计有多少个不同元素

data.nunique()

• 显示某列中不重复的元素及其对应的个数

data.a.unique()					# 结果为：array([9, 4, 1, 7])
data.a.value_counts()

10. 分组groupby操作

仍然上面的代码作为例子：（但是由于没有设置随机数种子，所以以下面的数据作为参考）

• 单层分组运算：

data.groupby("Direction").a.min()

data.a.min()的结果是0

• 多层分组运算：

data.groupby(["State","b"]).c.sum()

data.c.sum()的结果是23

11. 数据透视表

命令格式如下：

data.pivot(
	columns='ColumnToPivot',
    index='ColumnToBeRows',
    values='ColumnToBeValues')

应用场景：虽然数据可以同多“多层”的index展示，但是还是不够直观，这时可以使用透视表
使用上面的数据作为参考：

data.pivot(
    	columns='Direction',
        index='State',
        values=['b','a',"d","c"])

pivot命令的输出是一个新的DataFrame，但索引往往是“怪异的”，所以我们通常会.reset_index()