panbas学习篇（一）数据的聚合，最大值最小值标准差分位数数据透视表 交叉表

最大值最小值

Series.sum : Return the sum.
Series.min : Return the minimum.
Series.max : Return the maximum.
Series.idxmin : Return the index of the minimum.
Series.idxmax : Return the index of the maximum.
DataFrame.sum : Return the sum over the requested axis.
DataFrame.min : Return the minimum over the requested axis.
DataFrame.max : Return the maximum over the requested axis.
DataFrame.idxmin : Return the index of the minimum over the requested axis.
DataFrame.idxmax : Return the index of the maximum over the requested axis.

求标准差

DataFrame.std(axis=None,ddof=1)

求标准差

分位数

DataFrame.quantile(q=0.5,axis=1,interpolation: str = "linear",)

其中interpolation :取值包括{‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}

累计求和、累计求积

DataFrame.cumsum(axis=None, skipna=True, *args, **kwargs)
DataFrame.cumprod(axis=None, skipna=True, *args, **kwargs)

分箱处理

pandas.cut(x,bins,right=True,labels=None)

bins中的数据需要包含x中的最大值和最小值，不然不在bins中的数据就会被分为了
NaN值。

pandas.qcut(x,q,labels=None,rebins=False)

基于分位数来做分割的， q : int or list-like of float Number of quantiles. 10 for deciles, 4 for quartiles, etc. Alternately array of quantiles, e.g. [0, .25, .5, .75, 1.] for quartiles.

数据透视表

pandas.pivot_table(data, values=None, index=None, columns=None,aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

交叉表

pd.crosstab(index, columns, values=None, rownames=None,
colnames=None, aggfunc=None, margins=False,
margins_name: str = 'All', dropna: bool = True,
normalize=False)

index：类数组，在行中按分组的值。
columns：类数组的值，用于在列中进行分组。
values：类数组的，可选的，要根据因素汇总的值数组。
aggfunc：函数，可选，如果未传递任何值数组，则计算频率表。
rownames：序列，默认为None，必须与传递的行数组数匹配。
colnames：序列，默认值为None，如果传递，则必须与传递的列数组数匹配。
margins：布尔值，默认为False，添加行/列边距（小计）
normalize：布尔值，{‘all’，‘index’，‘columns’}或{0,1}，默认为False。 通过将所有值除以值的总和进行归一化。