Python数据分析基础与应用模块5Pandas数据预处理

5.5Pandas数据变换

5.5.1重命名索引的标签名称Pandas中提供了一个rename()方法来重命名个别列索引或行索引的标签或名称。rename()方法的语法格式如下：rename(mapper=None,index=None,columns=None,axis=None,copy=True,inplace=False,level=None)

5.5.1重命名索引的标签名称该方法中常用的函数参数说明如下：?index：表示待转换的行索引。?columns：表示待转换的列索引。?axis：表示轴的名称，可以使用index或columns，也可以使用数字0或1。?copy：表示是否复制底层的数据，默认值为False。?inplace：表示重命名索引时是否创建数据集副本。默认值为False，表示创建数据集副本后重命名索引；如果设置为True，则表示直接在原数据集重命名索引。?level：表示级别名称，默认值为None。对于多级索引，只重命名指定的标签。rename()方法参数index、columns使用方式相同，都可以接收一个字典，其中字典的键代表原索引名称，字典的值代表新索引名称。

5.5.2离散化连续数据将有关连续数据进行离散化处理，通俗来说就是将连续数据分为几个区间。Pandas提供的cut()函数能够实现离散化操作，其语法格式如下：cut(x,bins,right=True,labels=None,retbins=False,precision=3,include_lowest=False,duplicates=raise)

5.5.2离散化连续数据函数中常用函数参数说明如下：?x：表示要分组（区间）的数组，必须是一维的。?bins：接受int和序列类型的数据。如果传入的是int类型的值，则表示在x范围内的等宽单元的数量（划分为多少个等间距区间）；如果传入的是一个序列，则表示将x划分在指定的序列中，如果不在序列中，则为NaN。

5.5.2离散化连续数据?right：是否包含右端点，决定区间的开或闭，默认值为True，表示包含右端点，如果值设置为False，表示不包含右端点。?include_lowest：是否包含左端点，其值设置为True，表示包含左端点。默认值为False，表示不包含左端点。?labels：用于设置生成区间的自定义标签，可选参数。?retbins：是否返回bin。?precision：表示精度，默认保留三位小数。

快乐学习高效学习祝学习进步！