Python数据分析常用的函数，比如：groupby、merge...等

记录一些数据分析用到的函数

1.groupby

df.groupby([df[属性],df[属性])(指分类的属性，数据的限定定语，可以有多个).mean()(对于数据的计算方式——函数名称)

trn_click['rank'] = trn_click.groupby(['user_id'])['click_timestamp'].rank(ascending=False).astype(int)
tst_click['rank'] = tst_click.groupby(['user_id'])['click_timestamp'].rank(ascending=False).astype(int)

2.merge
merge函数参数表格

merge(left,right,how='inner',on=None,left_on=None,right_on=None,
left_index=False,right_index=False,sort=False,suffixes=　　 
('_x','_y'),copy=True,indicator=False,validate=None)

本baseline用到trn_click = trn_click.merge(item_df, how='left', on=['click_article_id'])

3.describe

describe会返回一系列参数，count，mean，std，min，25%，50%，75%，max。

describe()返回值的解释如下：

1. count：返回数组的个数，如上述为4个元素，所以返回为4；
2. mean：返回数组的平均值，1 3 5 9的平均值为4.5；
3. std：返回数组的标准差；
4. min：返回数组的最小值；
5. 25%，50%，75%：返回数组的三个不同百分位置的数值，也就是统计学中的四分位数，其中50%对应的是中位数。
6. max：返回列表的最大值。

4.nunique()
Pandas nunique() 用于获取唯一值的统计次数。

#训练集中的用户数量为20w
trn_click.user_id.nunique()

5.reset_index()
数据清洗时，会将带空值的行删除，此时DataFrame或Series类型的数据不再是连续的索引，可以使用reset_index()重置索引。

记录时间：2020年11月27日，会持续更新。