Pandas--变形部分

注：本博客跟随此Pandas教程进行学习，有兴趣可以学习一下。
先上一张框架图：

• 第4章 变形
  • 一 透视表
    • pivot
      • 一般状态下，数据在DataFrame会以压缩（stacked）状态存放，例如上面的Gender，两个类别被叠在一列中，pivot函数可将某一列作为新的cols：
    • privot_table
      • ① aggfunc：对组内进行聚合统计，可传入各类函数，默认为’mean’
      • ② margins：汇总边际状态
      • ③ 行、列、值都可以为多级
    • crosstab（交叉表）
      • 交叉表是一种特殊的透视表，典型的用途如分组统计，如现在想要统计关于街道和性别分组的频数：
      • ① values和aggfunc：
        • 分组对某些数据进行聚合操作，这两个参数必须成对出现
      • ② 除了边际参数margins外，还引入了normalize参数，可选’all’,‘index’,'columns’参数值
  • 二 其他变形方法
    • 1. melt
      • melt函数可以认为是pivot函数的逆操作，将unstacked状态的数据，压缩成stacked，使“宽”的DataFrame变“窄”
      • melt函数中的id_vars表示需要保留的列，value_vars表示需要stack的一组列
    • 2. 压缩与展开
      • （1）stack：这是最基础的变形函数，
        • 总共只有两个参数：
          • level
          • dropna
        • stack函数可以看做将横向的索引放到纵向，因此功能类似与melt，参数level可指定变化的列索引是哪一层（或哪几层，需要列表）
      • (2) unstack：stack的逆函数，功能上类似于pivot_table
  • 三、哑变量与因子化
    • 1. Dummy Variable（哑变量）
    • 2. factorize方法

代码部分

对不起，先挖个坑