# 按公司分组查询收盘价的平均值
多维索引中,空白的意思是:使用上面的值
# 公司继续作为索引,但日期变为columns
# 将两层索引(公司,日期)都变成了columns
# 多层索引,可以用元组的形式筛选
【*重要知识*】在选择数据时:
# BIDU, 当天所有的相关数据
# 逻辑关系为BIDU的的开盘数据
# 并列筛选,BIDU和JD为同级关系
# 将多层索引恢复成列
- map:只用于Series,实现每个值->值的映射;
实例:将股票代码英文转换成中文名字
# 公司股票代码到中文的映射,注意这里是小写
# 将这些数字取整数,应用于所有元素(即表格中所有的值)
# 直接修改原df的这几列
- 怎样对数值列按分组的归一化?
- 怎样取每个分组的TOPN数据?
实例1:怎样对数值列按分组的归一化?
将不同范围的数值列进行归一化,映射到[0,1]区间:
- 更容易做数据横向对比,比如价格字段是几百到几千,增幅字段是0到100
- 机器学习模型学的更快性能更好
演示:用户对电影评分的归一化
每个用户的评分不同,有的乐观派评分高,有的悲观派评分低,按用户做归一化
# 实现按照用户ID分组,然后对ratings进行归一化
# 按照用户分组,apply一个函数,给该DataFrame新增了一列,实现了Rating列的归一化
实例2:怎么取每个分组的TOP N数据
获取2018年每个月温度最高的2天数据
# 这里的df,是每个月份分组group的df
}