目录

第二章（pandas）

Python从零开始第三章数据处理与分析python中的dplyr（1）

Python从零开始第三章数据处理与分析python中的dplyr（2）

Python从零开始第三章数据处理与分析python中的dplyr（3）

Python从零开始第三章数据处理与分析python中的dplyr（4）

Python从零开始第三章数据处理与分析python中的dplyr（5）

===============================================

• summarize()函数

summarize可以接受任意数量的关键字参数，这些参数将返回标有键的新列，这些键是原始DataFrame中列的汇总函数。

diamonds >> summarize(price_mean=X.price.mean(), price_std=X.price.std())

    price_mean    price_std
0  3932.799722  3989.439738

通过这一步可以很简单求得price列的平均值与标准差

summarize() 可以很好的搭配group_by函数

diamonds >> group_by('cut') >> summarize(price_mean=X.price.mean(), price_std=X.price.std())

         cut   price_mean    price_std
0       Fair  4358.757764  3560.386612
1       Good  3928.864452  3681.589584
2      Ideal  3457.541970  3808.401172
3    Premium  4584.257704  4349.204961
4  Very Good  3981.759891  3935.862161

通过这一步可以求得cut列每一类的各自的平均值与标准差

• summarize_each()函数

summarize_each(function_list, *columns)更常用，它可以比较方便的计算数据框中的列的一些属性。

diamonds >> summarize_each([np.mean, np.var], X.price, 'depth')

    price_mean     price_var  depth_mean  depth_var
0  3932.799722  1.591533e+07   61.749405   2.052366

summarize_each() 同样可以与group_by连用。

diamonds >> group_by(X.cut) >> summarize_each([np.mean, np.var], X.price, 4)

         cut   price_mean     price_var  depth_mean  depth_var
0       Fair  4358.757764  1.266848e+07   64.041677  13.266319
1       Good  3928.864452  1.355134e+07   62.365879   4.705224
2      Ideal  3457.541970  1.450325e+07   61.709401   0.516274
3    Premium  4584.257704  1.891421e+07   61.264673   1.342755
4  Very Good  3981.759891  1.548973e+07   61.818275   1.900466

• lead（）和lag（）函数

lead（series，n）函数向上推动向量中的值，在末尾位置添加NaN值。 同样，lag函数向下推动值，在初始位置插入NaN值。

(diamonds >> mutate(price_lead=lead(X.price, 2), price_lag=lag(X.price, 2)) >>
            select(X.price, -2, -1) >>
            head(6))

    price  price_lag  price_lead
 0    326        NaN       327.0
 1    326        NaN       334.0
 2    327      326.0       335.0
 3    334      326.0       336.0
 4    335      327.0       336.0
 5    336      334.0       337.0

• between（） 函数

between函数检查值是否在两个给定的范围之间。

diamonds >> select(X.price) >> mutate(price_btwn=between(X.price, 330, 340)) >> head(6)

   price price_btwn
0    326      False
1    326      False
2    327      False
3    334       True
4    335       True
5    336       True

• dense_rank（） 函数

计算重复的排序值或者秩

diamonds >> select(X.price) >> mutate(price_drank=dense_rank(X.price)) >> head(6)

   price  price_drank
0    326          1.0
1    326          1.0
2    327          2.0
3    334          3.0
4    335          4.0
5    336          5.0

• min_rank（） 函数

类似于dense_rank（） 函数，但两者有区别

diamonds >> select(X.price) >> mutate(price_mrank=min_rank(X.price)) >> head(6)

price  price_mrank
0    326          1.0
1    326          1.0
2    327          3.0
3    334          4.0
4    335          5.0
5    336          6.0

• cumsum（） 函数

cumsum（） 函数计算列的累积和。

diamonds >> select(X.price) >> mutate(price_cumsum=cumsum(X.price)) >> head(6)

   price  price_cumsum
0    326           326
1    326           652
2    327           979
3    334          1313
4    335          1648
5    336          1984

• cummean() 函数

cummean() 函数计算列的累积平均值。

diamonds >> select(X.price) >> mutate(price_cummean=cummean(X.price)) >> head(6)

   price  price_cummean
0    326     326.000000
1    326     326.000000
2    327     326.333333
3    334     328.250000
4    335     329.600000
5    336     330.666667

• cummax() 函数

cummax() 函数计算列的累积最大值。

diamonds >> select(X.price) >> mutate(price_cummax=cummax(X.price)) >> head(6)

   price  price_cummax
0    326         326.0
1    326         326.0
2    327         327.0
3    334         334.0
4    335         335.0
5    336         336.0

• cummin() 函数

cummin() 函数计算列的累积最小值。

diamonds >> select(X.price) >> mutate(price_cummin=cummin(X.price)) >> head(6)

   price  price_cummin
0    326         326.0
1    326         326.0
2    327         326.0
3    334         326.0
4    335         326.0
5    336         326.0

• cumprod() 函数

cumprod() 函数计算列的累积乘积。

diamonds >> select(X.price) >> mutate(price_cumprod=cumprod(X.price)) >> head(6)

   price     price_cumprod
0    326               326
1    326            106276
2    327          34752252
3    334       11607252168
4    335     3888429476280
5    336  1306512304030080