【1】读取CSV并进行透视
我们的原始数据格式：
① 读取数据
pd.read_csv 会读取csv表格并使用names指定读取后的列名称。
import pandas as pd releaseNumOfYear = pd.read_csv("data/releaseNumOfYear.csv", header=None, names=['Year', 'Genre', 'ReleaseNum'])
这里会呈现什么格式呢？如下所示和我们Excel是一样的：
② 使用pivot进行透视
pivot函数用于从给定的表中创建出新的派生表，pivot有三个参数：索引、列和值
data = pd.pivot(releaseNumOfYear, index='Year', columns='Genre')
这里得到的data是什么呢？如下图所示：
也就是把①中读取的纵表透视为了横表（宽表），原先的Year这一列变成了新的基础列（索引列），而Genre这一列变成了行，也就是列转行。每个单元格的值呢，则是ReleaseNum。
如何去掉ReleaseNum呢？如下所示
data['ReleaseNum']
如上得到的data格式为pandas.core.frame.DataFrame，我们如何遍历呢？
【2】DataFrame的遍历
① 按行遍历
for index,row in releaseNumOfYear.iterrows(): print(index,row)
这里index不用说了，就是每一行的索引。但是row，可不是你看到的一行数据而是如下图所示格式：
也就是 print(index,row)每次只需打印如下所示：
0 Year 2019 Genre Unplugged ReleaseNum 94 Name: 0, dtype: object
也可以根据列名获取数据不打印label，如下所示：
for index,row in releaseNumOfYear.iterrows(): print(row['Year'] , row['Genre'] , row['ReleaseNum']) # 如第一行打印结果 2019 Unplugged 94
② shape 函数
pandas.DataFrame.shape 返回数据帧的形状。假设data为Dataframe格式数据有2行3列：
- data.shape 返回data形状(2,3) 2行3列
- data.shape[0] 返回行数 2
- data.shape[1] 返回列数 3
【3】数据表的合并
① 格式一样数据表的合并
表格一：
表格二：
表格合并：
filmCountryNum_Sort = pd.read_csv("movie/filmCountryNum_Sort.csv", header=None) filmCountryNum_Sort.columns = ["area", "Num"] filmCountry_ratingAverage_Sort = pd.read_csv("movie/filmCountry_ratingAverage_Sort.csv", header=None) filmCountry_ratingAverage_Sort.columns = ["area", "Average_Rating"] countryNum_avergeRating = pd.merge(filmCountryNum_Sort, filmCountry_ratingAverage_Sort, on='area') # 合并两表
