处理数据常用的两个函数

1.透视表

pivot_table,这是个经常用到的功能，通俗的讲叫python行转列。将表中的一条条记录，转化为统计值。

例子：

输入的一张表，是人员的获奖记录，level为获奖的等级，count为获奖次数。我们想得到一张统计表，知道每个人不同奖项的获奖情况。
table_in

name	level	count
Tom	A	1
Tom	A	2
Tom	B	1
Tom	C	2
Tony	A	1
Tony	D	2
Tony	B	1
Tony	C	2

我们最后想得到的是

table_out

name	A	B	C	D
Tom	3	1	2	0
Tony	1	1	2	2

代码：

import pandas as pd
import bumpy as np
data = pd.pivot_table(dataframe,index = '',columns = '',values =  '' , aggfunc = '')
#dataframe:透视的dataframe
#index 索引：一般是原表中的一个字段，作为聚合的依据
#columns：转换之后的列
#values: 对原表中的哪一列进行聚合
#aggfunc：聚合使用的函数,默认为numpy.mean
tabel_out = pd.pivot_table(table_in,index = 'name',columns = 'level',values = 'count',aggfunc = np.sum) 

2.连接表

merge,有两个dataframe，一个相同的字段，然后把这两个dataframe通过字段关联起来。也就是sql中的left join，right join，inner join。

代码：

import pandas as pd
python
pd.merge(left, right,how = '',on = '' , left_on = '',right_on = '')
#left:左表
#right:右表
#how:连接方式，left，right
#left_on,right_on：左右两表的关联字段，如果两个表中的字段一致，可以直接用on=