高阶函数

    1. import pandas as pd
    2. df = pd.read_csv('DataAnalyst.csv')
    4. # 拿到数据三步：(1)info (2)head (3)describe
    5. df.head()
    7. # 转置：df.T （矩阵运算）
    8. # 用'avg'排序：
    9. - 升序：df.sort_values(by='avg') 等价于 df.sort_values('avg')
    10. - 降序：df.sort_values('avg'，ascending=False)
    11. # 用数组排序： df.avg.sort_values()，df.avg是数组
    12. df.sort_values('avg',ascending=False)
    14. # 先对avg降序，再对city降序
    15. df.sort_values(['avg','city'],ascending=False)
    17. # 对索引进行排序
    18. df.sort_index()
    20. 1、增列：
    21.  - 升序 df['rank'] = df.avg.rank()
    22.  - 降序 df['rank'] = df.avg.rank(ascending = False)
    24. 2、df['rank'] = df.avg.rank(ascending = False,method='min')
    25.  - mothod 默认按平均值排
    26.  - method='min' 相同排名按最小值排
    27.  - method='max' 相同排名按最大值排
    28.  - method='first' 相同按index顺序来排
    29. df['rank']=df.avg.rank(ascending = False,method='min')
    30. df.sort_values(by = 'avg',ascending = False)
    32. 3、unique查看唯一值，去重
    33.  - df.city.unique()
    34.  - df.workYear.unique()
    35.  计数：
    36.  - df.workYear.value_counts()
    37.  - unique、value_counts 对应数组
    38. df.workYear.unique()
    39. df.workYear.value_counts()
    41. 4、describe描述统计
    42.  - df.describe()
    43.  - df.avg.describe()，(count,mean,std,max,min,分位数)
    44.  - df.sum()，(sum可换为 median,std,var)
    45. df.describe()
    47. 5、cumsum累加函数
    48.  - df.cumsum()
    49.  - df.avg.cumsum()
    50.  - df['cumsum'] = df.avg.cumsum()
    51. df['cumsum'] = df.avg.cumsum()
    52.  # 调用函数不要调用错
    53.  - min函数在DataFarme这个方法(这个类)里
    54.  - cut函数在 pd 里
    56. 6、cut分段函数
    57.  - df['bins'] = pd.cut(df.avg,bins=20)；df里面添加bin列，20等分
    58.  - labels： 标签，分类
    59.  - df['bins'] = pd.cut(df.avg,bins=4,right=True(包含右端点),labels=list('abcd'),retbins=False(左闭右开),precision=3(精度),include_lowest=False(不包含左端点))
    60.  - df['bins'] = pd.cut(df.avg,bins=4,include_lowest=True)
    62.  # 不规则分：
    63.  - df['bins'] = pd.cut(df.avg,bins=[0,5,10,20,30,])，没有切割到30之后的，所以设立一个极大值100
    64.  - df['bins'] = pd.cut(df.avg,bins=[0,5,10,20,30,100],labels=['0-5','5-10','10-20','20-30','30-100']
    65.  - 可以在用户分级、消费水平分割，用这些方法
    66. df['bins'] = pd.cut(df.avg,bins=[0,5,10,20,30,100],labels=['0`5','5`10','10`20','20`30','30`100'])
    68.  # 四分位法，百分位法
    69. pd.qcut(df.avg,4)
    70. df
    72. 7、pd.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')按排名分
    73.  - x：要进行分组的数据，数据类型为一维数组，或Series对象；
    74.  - q：组数，即要将数据分成几组；
    75.  - labels：可以理解为组标签，这里注意标签个数要和组数相等；
    76.  - retbins=False：True则返回数值类型是元组，返回每个数对应的分组，且获取分组边界值的列表；
    77.  - duplicates='raise'：默认为raise；duplicates='drop’，表示若有重复区间则删除。
    79. cut与qcut的主要区别：
    80. cut：传入参数，是分组依据
    81. qcut：传入参数，要将数据分成多少组，即组的个数，具体的组距是由代码计算