Python数据分析基础--Pandas数据处理（四）

1.数据合并
记录合并
concat([dataframe1,dataframe2,...])

字段合并
X=x1+x2+x3+...

字段匹配
merge(x,y,left_on,right_on)
x 第一个数据框 y 第二个数据框 left_on第一个数据框用于匹配的列
right_on 第二个数据框用于匹配的列

df1.merge(df2,on =' ',how = ' ') 类似数据库连接
how:inner 默认取交集，outer 取并集，left左连接，right右连接
on:用于连接的字段名

2.数据计算

简单计算

数据标准化
（1）min_max标准化：离差标准化，对原始数据线性转化
X=(x-min)/(max-min)

min_max标准化

（2）Z-score标准化：最大值、最小值未知情况，利用原始数据的均值和标准差，经过处理的数据符合标准正态分布 X=（x-均值）/标准差

Z-score标准化

3.数据分组
根据数据的特征，安装一定规律，把数据划分为不同区间分析，以揭示内在联系和规律；简单来说，就是新增一列，将原来数据按照其性质归入新类别中。
cut(series,bins,right=True,labels=null)
series表示需要分组的数据，bins表示分组的依据数据，right表示分组的时候右边是否闭合，labels表示分组的自定义标签；

4.日期处理
日期转换：字符型日期格式转换成标准日期格式
to_datetime(dateString,format)
format格式：%Y，%m，%d，%H，%M，%S

日期格式化：日期型数据转化成字符型
datetime.strftime(x,format)

日期抽取
data_dt.dt.property
property：second,minute,hour,day,mouth,year,weekday

apply方法
当希望将函数f应用到Dataframe对象的行/列，可以使用DataFrame.apply(f,axis=0,args=0,**kwds),axis=0按列运算,axis=1按行运算;