Python数据分析——数据规整：连接、联合与重塑

最新推荐文章于 2026-06-17 19:24:15 发布

原创最新推荐文章于 2026-06-17 19:24:15 发布 · 624 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#1024程序员节 #数据分析 #python #数据挖掘

收录于

Python 专栏收录该内容

7 篇文章

订阅专栏

本文概述了利用Python进行数据分析中的关键步骤，包括分层索引的管理、数据集的联合与合并，以及数据重塑与透视技巧。涉及重排序、汇总统计、数据库连接方式、多层索引操作和数据格式转换方法。

该部分为学习笔记，具体内容详见：《利用Python进行数据分析》一书

Python数据分析——数据规整：连接、联合与重塑

一、分层索引
二、联合与合并数据集
三、重塑和透视

一、分层索引

1. 重排序和层级排序

2. 按层级进行汇总统计

3. 使用 DataFrame 的列进行索引

二、联合与合并数据集

1. 数据库风格的 DataFrame 连接

2. 根据索引合并

3. 沿轴向连接

4. 联合重叠数据

三、重塑和透视

1. 使用多层索引进行重塑

2. 将“长”透视为“宽”

3. 将“宽”透视为“长”

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

笛语星落——一只在编程路上不断爬起的小白

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

利用python进行数据分析—9.数据规整：连接、联合与重塑

柳杰的博客

03-19

521

文章目录引言9.1分层索引9.1.1重排序与层级排序8.1.2按层级进行汇总统计8.1.3使用DataFrame的列进行索引9.2联合与合并数据集9.2.1 数据库风格的DataFrame连接引言在很多应用中，数据可能分布在多个文件或数据库中，抑或以某种不易分析的格式进行排列。 9.1分层索引分层索引即允许在一个轴上拥有两个或两个以上索引的层级。分层索引提供了一种在更低维度的形式中处理更高维度数据的方式。 Series对象的分层索引使用unstack方法将Series数据在Dat

利用Python进行数据分析——数据规整：连接、联合与重塑（11）

bwqiang的博客

08-10

312

分层索引 In [1]: import numpy as np In [2]: import pandas as pd In [3]: data = pd.Series(np.random.randn(9), ...: index=[['a', 'a', 'a', 'b', 'b', 'c', 'c', 'd', 'd'], ...: [1,2,3,1,3,1,2,2,3]]) In [4]: data Out[4]: a 1 0.987523 2 -0.028413

参与评论您还未登录，请先登录后发表或查看评论

数据规整：连接、联合与重塑

qq_34988996的博客

09-02

545

目录数据规整：连接、联合与重塑 1.分层索引 1.1 重排序和层级排序 1.2 按层级进行汇总统计 1.3 使用DataFrame的列进行索引 2 联合与合并数据集 2.1数据库风格的DataFrame连接 2.2根据索引合并 2.3沿轴向连接 2.4 联合重叠数据 3 重塑 3.1 使用多层索引进行重塑 3.2 将长透视为宽 3.3 将宽透视为长数据规整：连接、联合与重塑 1.分层索引一个轴向上有多个索引层级每个轴都可以有分层索引分层的层

Python 数据规整：连接，联合与重塑

chaiminglu的博客

02-27

360

@[chaiminglu052D@163.com]Python 数据规整：连接，联合与重塑 2019年2月27日20:18:17 代码 #2019年2月27日19:38:54 #Author chaiminglu #数据规整：连接，联合与重塑 import pandas as pd import numpy as np data = pd.Series(np.random.randn(9), ...

数据规整：聚合、合并和重塑

ml_hhy的博客

07-19

749

merge函数的参数对于pandas对象（如Series和DataFrame），带有标签的轴使你能够进一步推广数组的连接运算。具体点说，你还需要考虑以下这些东西：如果对象在其它轴上的索引不同，我们应该合并这些轴的不同元素还是只使用交集？连接的数据集是否需要在结果对象中可识别？连接轴中保存的数据是否需要保留？许多情况下，DataFrame默认的整数标签最好在连接时删掉。 pan...

ch8_02 数据规整：聚合、合并、重塑

湾区小学生的博客

11-11

518

【Jupyter notebook】阅读模式接上一部分轴向连接另一种数据合并运算也被称作连接（concatenation）、绑定（binding）或堆叠（stacking）。NumPy的concatenation函数可以用NumPy数组来做： import numpy as np import pandas as pd arr = np.arange(12).reshape((3,4...

python->数据分析之pandas->数据规整：连接，联合与重塑

qq_43548010的博客

09-09

250

自己学习的笔记，看不懂是很正常的现象，如果寻找正规好看易懂????（全都不是我这篇的特点）请绕道。数据规整：连接，联合与重塑分层索引 data.stack().unstack() 重排序和层级排序 frame.swaplevel('key1','key2') frame.sort_index(level= ) 使用DataFrame的列进行索引 frame.set_index().reset_i...

python concat函数_Python数据分析入门：数据规整：连接、联合与重塑

weixin_39657125的博客

11-27

359

本章重点内容：1、分层索引2、联合与合并数据集3、重塑和透视接下来分别详细说明1、分层索引分层索引是pandas的重要特性，先看一个分层结构的数据，如下：通过分层索引，可以简洁的选择出数据的子集，如下：既然是分层索引，不仅仅局限在外层索引，还可以通过”内层“进行选择，如下：分层索引的数据，可以通过unstack函数进行重新排列，如下：当然，也可以通过stack函数进行反向操作，如下：上面的数据案例...

Python里面数据库连接

weixin_43216493的博客

05-22

4727

一、PyMySQL操作数据库首先是要安装PyMysql：pip install pymysql 查看是否安装成功PyMysql：pip list 二、操作数据库的基本流程 1、导包 2、创建连接 3、获取游标 4、执行sql 5、关闭游标 6、关闭数据库三、具体步骤解析 1、导包 import pymysql 2、创建连接 conn = pymysql.connect(host="数据库服务器地址", port=端口号, user="用户名", passwd="密码",da.

大数据专业课难度高，学数据分析的价值

2508_94602842的博客

06-16

226

CDA 认证是数据分析师职业发展的重要里程碑，通过 CDA 认证可以为职业发展打开更多的可能性。例如，可以在数据分析、数据科学等领域担任更高级别的职位，拓展自己的职业发展空间。通过 CDA 认证的学习和考试，可以系统地掌握数据分析的知识和技能，提升自己在数据分析方面的能力。CDA 认证可以证明他们具备扎实的数据分析能力和专业素养，增强他们在人工智能、大数据分析、金融等领域的就业竞争力。该大纲采用技术-价值-路径的三段式结构，既承认学习难度，又通过实用性论证降低焦虑，最后提供可操作的解决方案。

2026大专学历想进入财务岗学数据分析的价值

最新发布

YangYang9YangYan的博客

06-17

270

CDA 认证是数据分析师职业发展的重要里程碑，通过 CDA 认证可以为职业发展打开更多的可能性。例如，可以在数据分析、数据科学等领域担任更高级别的职位，拓展自己的职业发展空间。CDA 认证涵盖了数据分析的各个方面，包括数据采集、处理、分析和可视化等。通过 CDA 认证的学习和考试，可以系统地掌握数据分析的知识和技能，提升自己在数据分析方面的能力。CDA 认证可以证明他们具备扎实的数据分析能力和专业素养，增强他们在人工智能、大数据分析、金融等领域的就业竞争力。：通过历史数据挖掘业务趋势，替代传统经验判断。

基于武汉市的二手房屋销售数据分析与可视化系统

迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！

06-15

304

摘要：本文介绍了一个基于武汉二手房市场的全链路数据分析与可视化系统，涵盖数据采集、清洗、多维分析、可视化大屏展示及房价预测功能。系统通过爬虫获取房源数据，经清洗后存入MySQL数据库，利用Django构建Web服务，结合ECharts实现动态可视化，并集成CatBoost模型提供智能房价预测。项目亮点在于打通数据采集到应用的闭环，支持用户交互与管理后台，未来可扩展更多维度数据与模型优化。系统适用于数据分析、机器学习与Web开发场景，具备实际部署与二次开发潜力。

Python+Django实战｜企业客户关系管理系统(CRM)：客户档案、跟进记录、商机管理、合同签约、回款追踪、客户分层、数据分析

weixin_43366051的博客

06-14

278

本篇聚焦企业CRM客户关系管理赛道，基于Python+Django打造全链路客户管理系统，和日志、天气、在线考试、智能图书、进销存、租赁、考勤、物业、记账、音乐等所有往期项目完全独立。项目结合状态流转、时间判定、多角色权限、文件附件、聚合统计、数据可视化等技术，完全贴合中小企业销售团队真实业务流程，是职场高频应用的企业级系统。代码结构规范、模块化清晰，可直接私有化部署使用；同时作为毕设、求职项目，CRM系统业务专业性强、技术覆盖面广，具备很高竞争力。

产业边缘算力节点硬件调研：RTX5090 服务器市场占用数据分析

Z1980658_的博客

06-17

549

从全年市场调研数据与落地交付情况来看，在产业边缘算力节点赛道，RTX5090 8 卡机架服务器已经成为中型本地化算力底座的主流选择，市场占有率持续快速提升，核心竞争力集中在均衡算力、可控采购成本、工业边缘环境高适配性三点。云 - 边 - 端协同是行业长期发展主线，本地边缘算力需求不会短期回落。深圳市智恒百亿科技将持续迭代 7U 八卡 RTX5090 服务器硬件架构，针对工业、大模型、安防等细分边缘场景推出定制化机型，为各行业客户提供稳定、高性价比的边缘算力硬件解决方案。

2026初入职场学习数据分析的价值

YangYang9YangYan的博客

06-16

220

统计学基础（假设检验、回归分析）和编程能力（Python/R/SQL）是数据分析的基石。通过 CDA 认证的学习和考试，可以系统地掌握数据分析的知识和技能，提升自己在数据分析方面的能力。CDA 认证可以证明他们具备扎实的数据分析能力和专业素养，增强他们在人工智能、大数据分析、金融等领域的就业竞争力。创业场景中，数据思维能帮助验证商业模式假设（PMF测量）。关注前沿技术如AI辅助分析（Copilot for Data）、实时数据处理（Apache Kafka），但需警惕过度追逐工具而忽视基础。

2026报考软件工程学数据分析的价值

YangYang9YangYan的博客

06-13

275

必修基础包括统计学（假设检验、回归分析）、线性代数和数据库原理（ACID、索引优化）。复合型人才在互联网和金融行业更具稀缺性，例如能开发数据平台的软件工程师。职业发展路径可转向数据工程师（ETL/数据管道）或数据科学家（建模/分析）。软件开发中数据分析的应用场景包括日志分析（如ELK栈）、用户行为追踪（A/B测试）和性能监控。数据库系统（如MySQL、NoSQL）和算法设计（如推荐算法）是两者共通的底层技术。通过 CDA 认证的学习和考试，可以系统地掌握数据分析的知识和技能，提升自己在数据分析方面的能力。

当电子表格遇上 ChatGPT：像聊天一样做数据分析

oscar999的专栏

06-14

401

数据分析正经历革命性变革：借助ChatGPT等AI工具，用户无需编程即可通过自然语言交互完成复杂分析。文章从第三方视角介绍两种核心应用场景：1）在ChatGPT对话界面直接上传数据文件，通过结构化提问获取洞察与可视化图表；2）将AI集成到Excel/Sheets中实现智能数据清洗、公式解释和动态建模。关键技巧包括：以决策目标引导分析、提供数据背景说明、要求展示计算过程、设定分析红线等。作者强调AI应作为"初级分析员"角色，其输出仍需人工验证，但能显著提升探索性分析效率，将分析师精力集中于高阶判断。最佳实践是

2026低门槛入行产品岗学数据分析的价值

2508_94602842的博客

06-13

204

通过 CDA 认证的学习和考试，可以系统地掌握数据分析的知识和技能，提升自己在数据分析方面的能力。CDA 认证可以证明他们具备扎实的数据分析能力和专业素养，增强他们在人工智能、大数据分析、金融等领域的就业竞争力。从执行层（数据支持）过渡到策略层（数据驱动决策），需补充商业分析（如LTV测算）与行业垂直知识（如金融、电商领域指标）。定期复盘数据对业务结果的实际影响，建立可量化的成果档案（如“通过数据分析提升某功能使用率15%”）。：通过用户行为数据分析（如漏斗分析、留存率）精准定位痛点，减少主观决策偏差。