Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用（微課版） 教案 模塊5 Pandas數(shù)據(jù)預處理

Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊模塊5Pandas數(shù)據(jù)預處理【學習與訓練】5.1Pandas數(shù)據(jù)清理5.1.1Pandas缺失值處理1．使用函數(shù)檢查缺失值Pandas提供了isnull()和notnull()兩個函數(shù)檢查缺失值，它們同時適用于Series和DataFrame對象。isnull()函數(shù)用來判斷元素是否為空，notnull()函數(shù)用來判斷元素是否不為空。isnull()函數(shù)的語法格式如下：isnuull(obj)或者obj.isnull()obj表示檢查缺失值的Series對象或者DataFrame對象。如果發(fā)現(xiàn)數(shù)據(jù)中存在缺失值，就將這個位置標記為True，否則就標記為False。notnull()函數(shù)的語法格式與isnull()函數(shù)類似，如果發(fā)現(xiàn)數(shù)據(jù)中有缺失值時返回False。Pandas還提供了any()函數(shù)和all()函數(shù)檢測行或者列，any()函數(shù)用來檢測行或者列的元素是否包含缺失值，如果行或列中的元素包含缺失值，則返回True，否則返加False。all()函數(shù)用來檢測行或者列中所有元素都不包含缺失值，如果行或列中的所有元素都不包含缺失值，則返回True，否則返加False。2．使用fillna()函數(shù)填充缺失值Pandas提供了多種方法來清除缺失值，其中fillna()函數(shù)可以實現(xiàn)用非空數(shù)據(jù)“填充”NaN值。使用fillna()函數(shù)填充缺失值時，既可以使用標量、字典，也可以使用Series或DataFrame對象。fillna()函數(shù)的語法格式如下：fillna(value=None,method=None,axis=None,inplace=False,limit=None,downcast=Nome,**kwargs)其主要函數(shù)參數(shù)說明如下：?value：用于填充的數(shù)值。?method：表示填充方式，默認為None。其取值如下：?pad/ffill：向前填充，即使用缺失值前面的一個非缺失值去填充該缺失值。?backfill/bfill：后向填充，即使用缺失值后面的一個非缺失值填充該缺失值。?None：指定一個值去替換缺失值。?axis：用于修改填充方向，默認值為axis=0，表示按列填充；如果設(shè)置為1，則表示按行填充。?inplace：該參數(shù)的取值為：True、False，默認值為False。如果該參數(shù)設(shè)置為True表示不創(chuàng)建副本，直接修改源對象；如果設(shè)置為False表示創(chuàng)建一個副本，只修改副本，源對象不變。?limit：用于限制填充個數(shù)，表示可以連續(xù)填充的最大數(shù)量，默認值為None。3．使用函數(shù)值替換缺失數(shù)據(jù)Pandas使用mean()、median()和mode()函數(shù)計算列的均值（所有值加起來的平均值）、中位數(shù)值（排序后排在中間的數(shù)）和眾數(shù)（出現(xiàn)頻率最高的數(shù)）。然后使用這些函數(shù)的返回值替換缺失數(shù)據(jù)。計算某列數(shù)據(jù)之和時，處理缺失數(shù)據(jù)需要注意兩點：（1）數(shù)據(jù)求和時，將NA值視為0。（2）如果要計算的數(shù)據(jù)全為NA，那么結(jié)果就是NA。在某些情況下，需要使用replace()函數(shù)將DataFrame中的通用值替換成特定值，這和使用fillna()函數(shù)替換NaN值是類似的。4．使用dropna()函數(shù)刪除缺失值（1）刪除至少包含1個缺失值的行（2）刪除至少包含1個缺失值的列（3）刪除所有元素都為缺失值的行（4）保留至少包含3個非空值的行（5）刪除指定列中值為空的行5.1.2Pandas清洗無效數(shù)據(jù)1．清洗格式錯誤數(shù)據(jù)數(shù)據(jù)格式錯誤會使數(shù)據(jù)分析變得困難，甚至不可能?？梢詫㈠e誤格式的數(shù)據(jù)轉(zhuǎn)換為相同格式的數(shù)據(jù)。2．清洗超出范圍的錯誤數(shù)據(jù)如果年齡數(shù)據(jù)超過了150，百分制考試成績超過了100分，顯然是錯誤數(shù)據(jù)，我們可以對錯誤的數(shù)據(jù)進行替換或移除。5.1.3Pandas重復值檢測與處理1．使用duplicated()函數(shù)判斷與標記重復值duplicated()函數(shù)用于標記Series中的值、DataFrame中的記錄行是否是重復，有重復則返回True，無重復則返回False。該函數(shù)返回一個由布爾值組成的Series對象，該對象的行索引保持不變，數(shù)據(jù)則變?yōu)闃擞浭欠駷橹貜椭档牟紶栔?。duplicated()函數(shù)的語法格式如下：pandas.Series.duplicated(self,keep='first')pandas.DataFrame.duplicated(self,subset=None,keep='first')其函數(shù)參數(shù)說明如下：（1）subset：用于指定檢測重復的數(shù)據(jù)范圍，默認為數(shù)據(jù)集的所有列，可指定特定數(shù)據(jù)列。指定特定的列后，它僅檢測指定的列是否存在重復項。（2）keep：控制如何標記重復值。它有3個不同的取值：frist、last和False，默認值為“frist”。?keep='frist'：表示從前向后查找，標記重復數(shù)據(jù)第一次出現(xiàn)為False，即除了第一次出現(xiàn)外，其余相同的值標記為重復值。?keep='last'：表示從后向前查找，標記重復數(shù)據(jù)最后一次出現(xiàn)為False，即除了最后一次出現(xiàn)外，其余相同的值標記為重復值。?keep=False：標記所有重復數(shù)據(jù)為True，即所有相同的都被標記為重復。2．使用drop_duplicates()函數(shù)刪除重復值PandaDataFrame對象提供了一個去重函數(shù)drop_duplicates()，在識別出重復的數(shù)據(jù)后可以使用Pandas的drop_duplicate函數(shù)將其刪除，該函數(shù)的語法格式如下：pandas.DataFrame.drop_duplicates(subset=None,keep='first',inplace=False)或pandas.Series.drop_duplicates(keep='first',inplace=False)該函數(shù)參數(shù)說明如下：?subset：指定要去重的列名，默認為None。?keep：有3個可選參數(shù)，分別是first、last、False，默認為first，表示只保留第1次出現(xiàn)的重復項，刪除其余重復項，last表示只保留最后一次出現(xiàn)的重復項，F(xiàn)alse則表示刪除所有重復項。?inplace：為布爾值參數(shù)，默認值False表示刪除重復項后返回一個副本，若設(shè)置為Ture則表示直接在原數(shù)據(jù)上刪除重復項。5.1.4Pandas異常值檢測與處理1．基于3σ原則檢測異常值基于3σ原則檢測異常值具體步驟如下：（1）需要保證數(shù)據(jù)列大致上服從正態(tài)分布；（2）計算需要檢驗的數(shù)據(jù)列的平均值和標準差；（3）比較數(shù)據(jù)列的每個值與平均值的偏差是否超過3倍，如果超過3倍，則為異常值；（4）剔除異常值，得到規(guī)范的數(shù)據(jù)。2．認知箱形圖（1）箱形圖的基本組成與特征數(shù)據(jù)節(jié)點箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組數(shù)據(jù)分散情況的統(tǒng)計圖。（2）熟知箱形圖的作用①識別數(shù)據(jù)的異常值②易于發(fā)現(xiàn)數(shù)據(jù)的偏態(tài)和尾重③能用于數(shù)據(jù)探索性分析，分析數(shù)據(jù)的形狀掃描二維碼，瀏覽箱形圖作用的具體介紹。Pandas提供了一個專門用來繪制箱型圖的boxplot()方法。3．基于箱形圖檢測與處理異常值從集合角度來看，異常值即離群點。因此，為了處理異常值，首先是判別數(shù)據(jù)集中是否存在離群點，哪些是異常值，然后再根據(jù)實際情況選擇如何處理異常值。檢測出異常值后，通常會采用如下方式處理這些異常值：?直接將含有異常值的記錄刪除?用具體的值來進行替換，可用前后兩個觀測值的平均值修正該異常值?將異常值視為缺失值，按照缺失值的處理方法修正該異常值?對異常值不處理，直接在具有異常值的數(shù)據(jù)集上進行統(tǒng)計分析異常數(shù)據(jù)被檢測出來之后，需要進一步確認他們是否為真正的異常值，等確認完以后再決定選用哪種方法進行解決。如果希望對異常值進行修改，則可以使用Pandas中replace()函數(shù)進行替換，該方法不僅可以對單個數(shù)據(jù)進行替換，也可以多個數(shù)據(jù)執(zhí)行批量替換操作。replace()函數(shù)的語法格式如下：replace(to_replace=None,value=None,inplace=False,limit=None,regex=False,method=‘pad’)其部分函數(shù)參數(shù)說明如下：?to_replace：表示查找被替換值的方式。?value：用來替換任何匹配to_replace的值，默認值為None。?limit：表示前向或后向填充數(shù)據(jù)的最大范圍。?regex：表示是否將to_replace和value解釋為正則表達式，接收布爾值或與to_replace相同的類型，默認值為False。?method：表示替換時使用的方法，pad/ffill表示前向填充，bfill表示后向填充。3．處理異常值代碼如下：df.replace(to_replace=30,value=3)5.1.5Pandas刪除數(shù)據(jù)集中指定行或列的數(shù)據(jù)1．使用dropna()函數(shù)刪除缺失值如果想刪除缺失值，使用dropna()函數(shù)結(jié)合參數(shù)axis就可以實現(xiàn)。在默認情況下，按照axis=0來按行處理，這意味著如果某一行中存在NaN值將會刪除整行數(shù)據(jù)。dropna()函數(shù)的語法格式如下：DataFrame.dropna(axis=0,how='any',thresh=None,subset=None,inplace=False)該函數(shù)參數(shù)說明如下：?axis：確定刪除的行或列，默認值為0，如果設(shè)置參數(shù)axis為0或者index，則表示刪除包含缺失值的整行；如果設(shè)置參數(shù)axis為1或者columns，則表示刪除包含缺失值的整列。?how：確定刪除行或列的標準，默認值為'any'，如果一行或一列里任何一個數(shù)據(jù)有出現(xiàn)NaN就刪除整行或整列；如果設(shè)置how='all'，則一行或一列數(shù)據(jù)全為NaN才刪除整行或整列。?thresh：類型為int，表示有效數(shù)據(jù)數(shù)量的最小要求，設(shè)置需要多少非空值的數(shù)據(jù)才可以保留下來的，例如，如果設(shè)置為thresh=2，則表示該行或該列至少有兩個非NaN值時才將其予以保留。?subset：設(shè)置想要處理缺失值的列。如果是多個列，可以使用列名的list作為參數(shù)。?inplace：該參數(shù)為bool類型，表示是否修改源文件。如果設(shè)置為True，則表示直接修改源數(shù)據(jù)；如果設(shè)置為False，則表示返回數(shù)據(jù)集的副本，針對原數(shù)據(jù)的副本進行修改。2．使用drop()函數(shù)刪除指定行或列的數(shù)據(jù)使用drop()函數(shù)可以刪除指定行或列的數(shù)據(jù)，該數(shù)的語法格式如下：drop(labels,axis=0,level=None,inplace=False,errors='raise')該函數(shù)參數(shù)說明如下：?labels：接收字符串或數(shù)組，代表刪除的行或列的標簽，無默認值。?axis：axis設(shè)置為0時表示刪除行數(shù)據(jù)，axis設(shè)置為1時表示刪除列數(shù)據(jù)。?level：接收整型數(shù)據(jù)或索引名，代表標簽所在級別，默認為None。?inplace：默認值為False，表示操作對原數(shù)據(jù)不生效。如果要對原數(shù)據(jù)生效，則將inplace設(shè)置為True。?errors：errors='raise'會讓程序在labels接收到不存在的行名或者列名時拋出錯誤導致程序停止運行，errors='ignore'會忽略沒有的行名或者列名，只對存在的行名或者列名進行操作，該參數(shù)的默認值為errors='raise'。5.2Pandas數(shù)據(jù)合并5.2.1使用merge()函數(shù)通過主鍵合并數(shù)據(jù)在Pandas中，通過兩個數(shù)據(jù)集中一個或多個鍵來合并數(shù)據(jù)時，可以使用merge()函數(shù)實現(xiàn)。merge()函數(shù)根據(jù)一個或多個鍵將不同的DataFrame對象連接起來，大多數(shù)情況是將兩個DataFrame對象中重疊的列作為合并的鍵，其語法格式如下：merge(left,right,how='inner',on=None,left_on=None,right_on=None,left_index=False,right_index=False,sort=True,suffixes=('_x','_y'),copy=True)使用merge()函數(shù)進行合并時，默認會使用重疊的列索引作為合并鍵，并采用內(nèi)連接方式合并數(shù)據(jù)，即只取行索引重疊的數(shù)據(jù)。5.2.2使用join()函數(shù)通過索引或指定列合并數(shù)據(jù)join()函數(shù)的語法格式如下：join(other,how='left',on=None,lsuffix='',rsuffix='',sort=True)該函數(shù)參數(shù)說明如下所示：?how：表示連接方式，其取值為：｛left,inner,outer,right｝，默認使用left的連接方式。?on：表示連接列名。?lsuffix：接收字符串，用于在左側(cè)重疊的列名后添加后綴名。?rsuffix：接收字符串，用于在右側(cè)重疊的列名后添加后綴名。?sort：默認值為False，根據(jù)連接鍵對合并的數(shù)據(jù)進行排序。1．join()函數(shù)使用默認方式合并數(shù)據(jù)join()函數(shù)默認使用左連接方式，即以左數(shù)據(jù)集為基準，使用join()函數(shù)進行合并后，左數(shù)據(jù)集的數(shù)據(jù)會全部展示。如果兩個數(shù)據(jù)集中沒有重疊的索引，當使用左連接合并時，右數(shù)據(jù)集中的數(shù)據(jù)將不會展示出來。對于merge()函數(shù)，如果兩個數(shù)據(jù)集中沒有重疊的索引，可以設(shè)置merge()函數(shù)的left_index和right_index參數(shù)，對于join()函數(shù)則只需要將對象名稱作為參數(shù)傳入即可。2．join()函數(shù)使用外連接方式合并數(shù)據(jù)為了將右數(shù)據(jù)集中的數(shù)據(jù)展示出來，可以使用how參數(shù)將連接方式設(shè)置為外連接方式，合并后缺失的數(shù)據(jù)使用NaN填充。3．join()函數(shù)使用參數(shù)on指定重疊的列名合并數(shù)據(jù)如果兩個數(shù)據(jù)集中行索引和列名重疊，使用join()函數(shù)進行合并時，使用參數(shù)on指定的重疊的列名即可。5.2.3使用concat()函數(shù)沿軸連接數(shù)據(jù)1．使用concat()函數(shù)在DataFrame縱向執(zhí)行連接操作創(chuàng)建兩個DataFrame對象，并對其進行連接。（1）縱向外連接操作concat()函數(shù)的axis參數(shù)取默認值0，即縱向連接，連接后的結(jié)果數(shù)據(jù)集的行數(shù)為兩個被連接數(shù)據(jù)集的行數(shù)之和；join參數(shù)取默認值outer，即外連接。（2）縱向內(nèi)連接操作concat()函數(shù)的axis參數(shù)取默認值0，即縱向連接，join參數(shù)設(shè)置為inner，即內(nèi)連接。2．使用concat()函數(shù)沿著橫向連接DataFrame對象（1）橫向外連接操作concat()函數(shù)的axis參數(shù)設(shè)置為1，即橫向連接，join參數(shù)設(shè)置為outer，即外連接。連接后的結(jié)果數(shù)據(jù)集的列數(shù)為兩個被連接數(shù)據(jù)集的列數(shù)之和。（2）橫向內(nèi)連接操作concat()函數(shù)的axis參數(shù)設(shè)置為1，即橫向連接，join參數(shù)設(shè)置為inner，即內(nèi)連接。3．在concat()函數(shù)中使用keys參數(shù)給連接一個指定的鍵在concat()函數(shù)中使用keys參數(shù)給連接一個指定的鍵，行索引index會存在重復使用的現(xiàn)象。如果想讓輸出的行索引遵循依次遞增的規(guī)則，那么需要將ignore_index設(shè)置為True。5.2.4使用append()函數(shù)縱向連接DataFrame對象append()函數(shù)是concat()函數(shù)的簡略形式，但是append()函數(shù)只能在axis=0方向（縱向）上進行數(shù)據(jù)連接。append()函數(shù)的語法格式如下：left.append(right)或left.append(right,ignore_index=True)該函數(shù)的功能為：將left指定數(shù)據(jù)集與right指定數(shù)據(jù)集進行縱向合并。其中，DataFrame與Series進行合并時，需要使用參數(shù)ignore_index=True。5.2.5使用combine_first()函數(shù)合并重疊數(shù)據(jù)combine_first()函數(shù)的語法格式如下。bine_first(other)其中，obj1為函數(shù)調(diào)用對象的數(shù)據(jù)集；other為函數(shù)參數(shù)對象的數(shù)據(jù)集，該參數(shù)用于接收填充缺失值的DataFrame對象。5.3Pandas數(shù)據(jù)抽取5.3.1字段抽取字段抽取是根據(jù)已知列數(shù)據(jù)的開始和結(jié)束位置，抽取出新的數(shù)據(jù)。字段抽取采用slice()函數(shù)，該函數(shù)的語法格式如下：Series.str.slice(start=None,stop=None)函數(shù)參數(shù)說明如下：?start：表示字段抽取的開始位置。?stop：表示字段抽取的結(jié)束位置。5.3.2字段拆分字段拆分是指按照約定規(guī)則拆分已有的字符串，字符分割函數(shù)有正序分割列split()函數(shù)和逆序分割列rsplit()函數(shù)。split()函數(shù)的語法格式如下：Series.str.split(sep=None,n=-1,expand=False)該函數(shù)參數(shù)說明如下：?sep：表示字符串中分隔字符的分隔符，默認分隔符為空格。?n：接收整數(shù)，默認值為-1，表示分割的列數(shù)。?expand：接收布爾值，默認值為False，表示返回序列（Series）或者索引（Index）；如果值設(shè)置為True，則返回DataFrame對象或復雜索引（MultiIndex）。5.3.3數(shù)據(jù)記錄抽取數(shù)據(jù)記錄抽取是指根據(jù)一定的條件，對數(shù)據(jù)記錄進行抽取。記錄抽取函數(shù)的語法格式如下：datafram[condition]函數(shù)返回值是DataFram。函數(shù)參數(shù)condition為過濾條件，常用條件類型如下：①比較運算：大于（>）、小于（<）、大于等于（>=）、小于等于（<=）、不等于（!=）。②范圍運算：between(left,right)。③空值匹配：pandas.isnull(column)。④字符匹配：str.contains(patten,na=False)，其中na參數(shù)是指空值的處理方式，如果值設(shè)置為False，則不匹配空值。⑤邏輯運算：與（&），或（|），取反（not）。5.3.4日期轉(zhuǎn)換與日期抽取Pandas處理日期和時間數(shù)據(jù)的方式有多種，其中日期轉(zhuǎn)換、日期格式化和日期抽取是常見的3項功能。1．日期轉(zhuǎn)換日期轉(zhuǎn)換是指將字符型的日期格式的數(shù)據(jù)轉(zhuǎn)換成為日期型數(shù)據(jù)。日期轉(zhuǎn)換函數(shù)to_datetime()的語法格式如下：pandas.to_datetime(strDate,format,errors='raise')該函數(shù)參數(shù)說明如下：?strDate：表示字符型時間列；?format：表示日期時間格式符。?errors：取值范圍為{'ignore'，'raise'，'coerce'}，默認為'raise'。?如果取值為“raise”，則無效的數(shù)據(jù)將引發(fā)異常。?如果取值為“coerce”，則無效的數(shù)據(jù)將設(shè)置為NaN。?如果取值為“ignore”，則無效的數(shù)據(jù)將返回輸入。2．日期格式化日期格式化是將日期時間型數(shù)據(jù)，按照指定格式，轉(zhuǎn)為字符型數(shù)據(jù)。日期格式化函數(shù)的語法格式如下：df_dt.apply(lambdax:datetime.strftime(x,format))或df_dt.dt.strftime(format)該函數(shù)參數(shù)說明如下：?df_dt：表示數(shù)據(jù)集中日期時間列名。?format：表示時間日期格式符，如表5-2所示。3．日期抽取日期抽取是指從日期格式中抽取出需要的部分內(nèi)容，日期抽取語法格式如下：df_perty該函數(shù)參數(shù)說明如下：?df_dt：表示數(shù)據(jù)集中日期時間列名。?property：表示時間屬性。5.4Pandas數(shù)據(jù)重塑5.4.1重塑層次化索引1．使用stack()函數(shù)將數(shù)據(jù)的列索引轉(zhuǎn)換為行索引stack()函數(shù)可以將數(shù)據(jù)的列索引轉(zhuǎn)換為行索引，stack()函數(shù)的語法格式如下：stack(level=-1,dropna=True)該函數(shù)返回值為DataFrame或Series對象。函數(shù)參數(shù)說明如下：?level：表示操作索引的級別或級別名稱。默認值為-1，表示操作內(nèi)層索引；如果其值設(shè)置為0，則表示操作外層索引。?dropna：接收布爾值，默認值為True，表示自動將旋轉(zhuǎn)后的缺失值刪除；如果其值設(shè)置為1，則表示保留缺失值。2．使用unstack()函數(shù)將數(shù)據(jù)的行索引轉(zhuǎn)換為列索引unstack()函數(shù)可以將數(shù)據(jù)的行索引轉(zhuǎn)換為列索引，unstack()函數(shù)的語法格式如下：DataFrame.unstack(level=-1,fill_value=None)或Series.unstack(level=-1,fill_value=None)該函數(shù)返回值為DataFrame或Series。函數(shù)參數(shù)說明如下：?level：表示unstack索引的級別或級別名稱。默認值為-1，表示操作內(nèi)層索引，如果其值設(shè)置為0，則表示操作外層索引。?fill_value：默認值為None，如果設(shè)置其他值，則旋轉(zhuǎn)過程中產(chǎn)生了缺失值，則用該參數(shù)的值替換NaN缺失值。5.4.2使用pivot()函數(shù)實現(xiàn)軸向旋轉(zhuǎn)Pandas提供了pivot()函數(shù)，該函數(shù)會根據(jù)給定的行索引或列索引重新組織一個DataFrame對象，即將一個DataFrame的記錄數(shù)據(jù)整合成表格，俗稱數(shù)據(jù)透視，類似Excel中的數(shù)據(jù)透視表功能，它返回重塑的DataFrame，這樣的好處是使得數(shù)據(jù)更加的直觀和容易分析。pivot()函數(shù)的語法結(jié)構(gòu)如下：pivot(index=None,columns=None,values=None)或者pivot(index,columns,values)其含義與作用是將index指定為行索引，columns指定為列索引，values則是填充新DataFrame對象中的值。即根據(jù)DataFrame的3列數(shù)據(jù)生成數(shù)據(jù)透視表，使用索引/列中的唯一值并填充值。該函數(shù)參數(shù)說明如下：?index：為可選參數(shù)，可接收string或object類型的值，用于創(chuàng)建新DataFrame對象行索引的列名稱。如果未指定，則使用原DataFrame對象的索引。?columns：可接收string或object類型的值，用于創(chuàng)建新DataFrame對象列索引的列名稱。如果未指定，則使用原DataFrame對象的索引?values：用于填充新DataFrame對象中值的列名稱。如果未指定，則將使用剩余列進行填充，結(jié)果將具有分層索引列。5.4.3使用melt()函數(shù)將DataFrame從寬格式轉(zhuǎn)換為長格式數(shù)據(jù)分析時經(jīng)常要把寬數(shù)據(jù)格式轉(zhuǎn)換為長數(shù)據(jù)格式，有點像excel的逆透視過程。melt()函數(shù)的語法格式如下：melt(id_vars=None,value_vars=None,var_name=None,value_name='value',col_level=None)該函數(shù)的功能為：將DataFrame壓縮為一種格式，其中一列或多列是標識符變量（id_vars），而所有其他列均視為測量變量(value_vars)，相對于行軸為“unpivoted”，僅留下兩個非標識符列‘variable’和‘value’。該函數(shù)參數(shù)說明如下：?id_vars：為可選參數(shù)，用作標識符變量的列。?value_vars：為可選參數(shù)，要取消透視的列。如果未指定，則使用未設(shè)置為id_vars的所有列。?var_name：用于自定義“variable”列的名稱。如果沒有，則使用“variable”。?value_name：用于自定義“value”列的名稱，默認為“value”。?col_level：為可選參數(shù)，如果列是MultiIndex，則使用此級別進行融合。5.4.4使用pivot_table()函數(shù)聚合與透視數(shù)據(jù)Pandas提供了制作數(shù)據(jù)透視表的函數(shù)pivot_table()，pivot_table()函數(shù)用于將列數(shù)據(jù)設(shè)定為行索引和列索引，并可以聚合運算。pivot_table()函數(shù)的語法格式如下：dataframe.pivot_table(values=None,index=None,columns=None,aggfunc='mean',fill_value=None,margins=False,dropna=True,margins_name='All')或pandas.pivot_table(data,values=None,index=None,columns=None,ag