Python-pivot_table,merge解析

pivot_table

# c指data,透视的数据
c1 = c.pivot_table(values=['数据量'],  # 被计算的数据项，设定需要被聚合操作的列
                   index=['所属订单'],  # 行分组键
                   columns=['日期'],  # 列分组键
                   aggfunc='sum',  # 聚合函数或函数列表。
                   # aggfunc 设置为dict，不同的 values 可以执行不同的函数：{"Quantity":len,"Price":np.sum}
                   # 相同的 values 可以执行不同的函数：aggfunc={"Quantity": len, "Price": [np.sum, np.mean]}
                   fill_value=0,  # 设置缺省值。NONE默认值
                   dropna=False,  # 如果列的所有值都是NAN，将被删除，FALSE时，被保留。默认TRUE
                   margins=True,  # True会添加行/列的总计。默认FALSE。columns对应右侧的总计，index对应底部的总计。
                   margins_name="总量"  # margins = True 时，设定margins 行/列的名称。'all' 默认值
                   )

示例：

dict1 = {'贷款': [1, 2, 3, 4], '信用卡': [4, 5, 6, np.NAN], '游戏': [7, 8, 9, 10], 'sex': ['男', '女', '男', '男']}
data1 = pd.DataFrame(dict1)
print(data1)
data2 = data1.fillna(np.mean(data1['信用卡']))  # fillna不会改变原始数据（空值填充）
data4 = pd.pivot_table(data1,
                       index='sex',
                       values=['贷款', '信用卡', '游戏'],
                       aggfunc=[np.mean, np.max, np.sum])
print(data4)

结果：

python_merge

merge3=pd.merge(data_merge1, # 数据1
         data_merge2, # 数据2
         how="inner", # 连接方式相当于join（inner，left,right,outer）
         on="index", # 左右表有共同的连接字段
         # left_on="norm", # 左右连接字段不同时数据1的左连接字段
         # right_on="uniform", # 左右连接字段不同时数据1的右连接字段
         # left_index=index, # 左右连接想使用索引做连接字段
         # right_index=index, # 左右连接想使用索引做连接字段
         suffixes=["_me1","_me2"]  ## 重命名后缀
         )
print(merge3)