python基础（24）

「这是我参与2022首次更文挑战的第24天，活动详情查看：2022首次更文挑战」。

前几日的groupby 没怎么进行演示，今天来演示外加增加点新的内容，因为聚合确实是在数据分析里不可或缺的。

我们先导入一些数据

import pandas as pd
data = {'key1':['a','b','b','c','c'],
        'data1':[1,2,3,4,5,],
        'data2':[6,7,8,9,10]}
df = pd.DataFrame(data)
df1 = df.groupby('key1').agg(['max','median','min'])
print(df1)

df 是我们创建的dataframe对象，然后df1是我们以dataframe中的key1进行分组并聚合。运行的结果如下：

那么，我们要如何获取data1中的最小值呢？思路如下：先将数据按照key1分组，然后再获取最小值：

df2 = df.groupby('key1').agg({'data1':'min'})
print(df2)

输出如下：

上回还有concat函数没有讲完，concat用来合并数据，在数据分析中往往有很多表格，如果我们分开来看，那就实在是太麻烦了，如果能在同一份表格上显示，则能大大减少我们来回转换文档的麻烦。python给到的方法有concat,merge等等，今天我们再来深入了解一下concat的用法，具体用法我们通过例子来展示：

import pandas as pd
data1 = {'a':[1,2],
         'b':[11,22]}
data 2 = {'c':[111,222],
           'd':[1111,2222]}
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print(pd.concat([df1,df2],sort=True))

首先肯定是导入相关的库 pandas,还有就是需要将数据改成Dataframe 的格式。

大家看出来它是怎么样合并的了吗？它是纵向合并的，还有一个append()的方法也能实现纵向合并。但是在这儿我就不演示了。那么如何进行横向合并呢？其实也很简单，就是要改一下concat的参数axis，设置为1即可。我们来看看横向合并是什么样的效果。

print(pd.concat([df1,df2],sort = True,axis =1))

结果显示如下：

这样看起来就舒服多了，合并工作表可以大大提高我们的工作效率。