merge连接两个表
信用卡账单表=pd.merge(信用卡账单表,放款时间表,how='inner',on='用户标识')
data.groupby(["state","city"]).size() 可查看分组后的结果
显示这个group
还有求和、计数、均值等等
agg 对行或者列做汇总操作
对列操作：把行加起来/找所有行中最小的值
df.agg(['sum', 'min'])
对行操作：在不同的列上操作 比如把这一行的A,B,C三列相加或找出最小值
df.agg("mean", axis="columns")
官方例子：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.agg.html
groupby+agg连用
例：找出每个商店每天的营业额和营业数
df.groupby(["store_nbr","year","month","day"])["unit_sales].agg['sum','count']
agg 之后
groupby+agg之后的后续操作，因为分组之后索引是分组的，所以要恢复索引reset_index()，以及对列重命名rename(columns={' ':' ',' ':' '})
处理之后
多层列，multiindex,除掉第二层的索引
sale_store_level.columns = sale_store_level.columns.droplevel(1)
修改索引，以date为索引：set_index("date")
oil_data.set_index("date")
设置多个index
原图.png
df_2016.set_index(["store_nbr", "item_nbr", "date"])
按序排列后
unstack
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.unstack.html
官方文档
level=0 表示从索引的第一个取了之后放在列上
level=-1 表示从最后开始取
