Pandas二次学习- 回炉重造（进阶）

Pandas 进阶学习

• Pandas介绍
• • 为什么使用Pandas
• Pandas数据结构
• • Series
  • • Series的创建
    • Series的属性
  • DataFrame
  • • DataFrame的创建
    • DataFrame的属性
    • DatatFrame索引的设置
    • • 修改行列索引值
      • 重设索引
      • 以某列值设置为新的索引
  • MultiIndex
  • • multiIndex的特性
    • multiIndex的创建
  • Panel
  • • panel的创建
    • 查看panel数据
• 基本数据操作
• • 索引操作
  • • 直接使用行列索引(先列后行)
    • 结合loc或者iloc使用索引
    • 使用ix组合索引
  • 赋值操作
  • 排序
  • • DataFrame排序
    • Series排序
• DataFrame运算
• • 算术运算
  • 逻辑运算
  • • 逻辑运算符号
  • 逻辑运算函数
  • • query(expr)
    • isin(values)
  • 统计运算
  • • describe
    • 统计函数
    • 累计统计函数
  • 自定义运算(apply)
• Pandas画图
• • pandas.DataFrame.plot
  • pandas.Series.plot
• 文件读取与存储
• • CSV
  • • read_csv
    • to_csv
  • HDF5
  • • read_hdf与to_hdf
    • 案例
  • JSON
  • • read_json
    • read_josn 案例
    • to_json
    • 案例
• 高级处理-缺失值处理
• • 如何处理nan
  • 电影数据的缺失值处理
  • 存在缺失值nan,并且是np.nan
  • 不是缺失值nan，有默认标记的
• 高级处理-数据离散化
• • 为什么要离散化
  • 什么是数据的离散化
  • 股票的涨跌幅离散化
  • 股票涨跌幅分组数据变成one-hot编码
• 高级处理-合并
• • pd.concat
  • pd.merge
  • • pd.merge合并
• 高级处理-交叉表与透视表
• • 交叉表与透视表什么作用
  • 案例分析
  • • 数据准备
    • 查看效果
    • 使用pivot_table(透视表)实现
• 高级处理-分组与聚合
• • 什么分组与聚合
  • 分组API
• 星巴克零售店铺数据
• • 数据获取
  • 进行分组聚合