pandas数据变换

在 Pandas 中，数据变换是指对数据进行一系列操作，以得到需要的结果。常用的 Pandas 数据变换包括：

1. 数据筛选

数据筛选是指根据条件进行数据的过滤，只保留符合条件的数据。Pandas 中可以使用布尔索引和 query() 函数进行数据筛选。

例如，对于一个包含学生信息的 DataFrame，可以使用以下代码筛选出年龄在 18 到 22 岁之间的数据：

import pandas as pd

# 创建 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'age': [25, 20, 30, 35, 22],
        'score': [98, 85, 92, 75, 88]}
df = pd.DataFrame(data)

# 数据筛选
df_filtered = df[(df['age'] >= 18) & (df['age'] <= 22)]

2. 数据排序

数据排序是指根据指定的列对数据进行排序。Pandas 中可以使用 sort_values() 函数进行数据排序。

例如，对于一个包含学生信息的 DataFrame，可以使用以下代码对年龄进行升序排序：

import pandas as pd

# 创建 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'age': [25, 20, 30, 35, 22],
        'score': [98, 85, 92, 75, 88]}
df = pd.DataFrame(data)

# 数据排序
df_sorted = df.sort_values(by='age')

3. 数据聚合

数据聚合是指根据指定的列对数据进行分组，并对每组数据进行统计分析。Pandas 中可以使用 groupby() 函数进行数据聚合。

例如，对于一个包含学生信息的 DataFrame，可以使用以下代码对不同年龄段的学生进行平均成绩统计：

import pandas as pd

# 创建 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'],
        'age': [25, 20, 30, 35, 22, 20],
        'score': [98, 85, 92, 75, 88, 90]}
df = pd.DataFrame(data)

# 数据聚合
df_grouped = df.groupby('age')['score'].mean()

在以上代码中，首先使用 groupby() 函数按年龄进行分组，然后对每组数据的成绩进行平均值计算。

4. 数据透视表

数据透视表是指将数据按照指定的行和列进行汇总，并对每个汇总单元格进行统计分析。Pandas 中可以使用 pivot_table() 函数进行数据透视表的创建。

例如，对于一个包含学生信息的 DataFrame，可以使用以下代码创建一个按照年龄和成绩进行汇总的数据透视表：

import pandas as pd

# 创建 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'],
        'age': [25, 20, 30, 35, 22, 20],
        'score': [98, 85, 92, 75, 88, 90]}
df = pd.DataFrame(data)

# 创建数据透视表
df_pivot = pd.pivot_table(df, values='score', index='age', columns='name', aggfunc='mean')

在以上代码中，使用 pivot_table() 函数创建一个以年龄为行，姓名为列，成绩为值的数据透视表，其中 aggfunc 参数指定对每个汇总单元格进行平均值计算。