數據多維化主要內容數據拆分軸向介紹拆分數據數據拼接數據拼接數據聯結數據透視表透視表介紹透視表創建軸向介紹DataFrame是一個二維結構,因此,具有兩個操作維度DataFrame地維度定義如下圖所示軸向介紹如何理解"沿著軸向行處理"？（如test.data.mean(axis=零))主要過程:沿指定軸向分解數據處理核心思想:設想用一把斧頭,沿著軸向對數據集行切割axis=零axis=一軸向介紹如何理解:test_data.drop('B',axis=一)#正確代碼test_data.drop('B',axis=零)#錯誤代碼Axis=一:將數據集按一軸拆分為行重點:drop(‘B’,axis=一）刪除每行地‘B’列數據將處理后地行數據再拼接為數據集拆分數據np.split():按軸向對數據集行拆分Axis=一:按列對數據集行拆分Axis=零:按行對數據集行拆分思考上述按軸向行拆分地工作原理（參考前一頁PPT）其它數據集拆分方法:依據問題需求選擇利用查詢對數據集行拆分利用分組方法對數據集行拆分利用內置方法或自定義方法行拆分等等拼接數據將數據按照特定規則行拼接方法名默認連接方向默認連接方式默認對齊方式concat按行外連接（outerjoin）列標簽或索引merge按列內鏈接（innterjoin）行索引join按列左連接（leftjoin）行索引concat()默認按行行拼接默認對齊方式--列標簽,即對齊列標簽相同地數據merge()默認按列行拼接默認對齊方式—行索引,即對齊行索引相同地數據聯接類型內聯結:雙方有地數據外聯結:左外聯接:左表所有數據+右表對應數據右外聯接:右表所有數據+左表對應數據全外聯接:左表所有數據+右表所有數據數據透視表數據透視表（PivotTable）:商業數據分析常用地表格形式特點:隱匿數據細節,展示數據變動規律優勢:創建容易易于理解方便展示數據透視表--pivot_table()pivot_table()為Pandas提供地數據透視表工具,其主要地參數如下:data:行數據透視地DataFrame。index:指定對數據行分組地列（零軸）。columns:指定對數據行分組地列（一軸）。values:指定行統計計算地列。aggfunc:指定統計計算地類型。index與columns參數對比:兩者均指定對數據行分組地列index參數地分組結果體現于零軸columns參數地結果體現在一軸。數據透視表--cross_table()用來快速統計數據地出現頻率pivot_table()與cross_table()對比crosstab()可用于DataFrame,也可用于np.ndarray數據。pivot_table()只能用于DataFrame。crosstab()支持normalize參數,便于計算百分比,pivot_table()沒有實現類似地功能。crosstab()默認計算頻率,pivot_table()默認計算均值。crosstab()一次只能行一種統計計算,pivo