这8个Python小细节，让你在大数据领域如鱼得水

concat() 可以把一个或多个数据表按行(或列)的方向简单堆叠起来(看你传入的 axis 参数是 0 还是 1 咯)。

merge() 将会以用户指定的某个名字相同的列为主键进行对齐，把两个或多个数据表融合到一起。

join()和 merge() 很相似，只不过 join() 是按数据表的索引进行对齐，而不是按某一个相同的列。当某个表缺少某个索引的时候，对应的值为空(NaN)。

有需要的话，你还可以查阅Pandas 官方文档 ，了解更详细的语法规则和应用实例，熟悉一些你可能会碰到的特殊情况。

07、Apply 函数

你可以把 apply() 当作是一个 map() 函数，只不过这个函数是专为 Pandas 的数据表和 series 对象打造的。对初学者来说，你可以把 series 对象想象成类似 NumPy 里的数组对象。它是一个一维带索引的数据表结构。

apply() 函数作用是，将一个函数应用到某个数据表中你指定的一行或一列中的每一个元素上。是不是很方便?特别是当你需要对某一列的所有元素都进行格式化或修改的时候，你就不用再一遍遍地循环啦!

这里就举几个简单的例子，让大家熟悉一下基本的语法规则：

08、数据透视表(Pivot Tables)

最后也最重要的是数据透视表。如果你对微软的 Excel 有一定了解的话，你大概也用过(或听过)Excel 里的“数据透视表”功能。Pandas 里内建的 pivot_table() 函数的功能也差不多，它能帮你对一个数据表进行格式化，并输出一个像 Excel 工作表一样的表格。实际使用中，透视表将根据一个或多个键对数据进行分组统计，将函数传入参数 aggfunc 中，数据将会按你指定的函数进行统计，并将结果分配到表格中。

（编辑：PHP编程网 - 金华站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!