パンダスプライシング操作
2種類のパンダスプライシング:
- カスケード:pd.concat、pd.append
- マージ:pd.mergeを、pd.join
カスケード接続1. pd.concat()
パンダは似ていますが、いくつかのパラメータよりもpd.concat機能、およびnp.concatenate機能を使用します。
objs
axis=0
keys
join='outer' / 'inner':表示的是级联的方式,outer会将所有的项进行级联(忽略匹配和不匹配),而inner只会将匹配的项级联到一起,不匹配的不级联
ignore_index=False
1.1 匹配级联
インポートのNPとしてnumpyの インポートPDとしてパンダ からパンダはインポートシリーズ、データフレーム
DF1 =データフレーム(データ= np.random.randint(0,100、サイズ=(3,4))、インデックス= [ 'A'、 'B'、 'Cを']、列= [' A ' 'B'、 'C'、 'D'])
DF2 =データフレーム(データ= np.random.randint(0,100、サイズ=(3,4))、インデックス= [' A」、 'D'、 'C']、列= [ 'A'、 'B'、 'E'、 'D'])
ディスプレイ(DF1、DF2)
pd.concat((DF1、DF1、DF1)、軸を=。1、参加= ' インナー')#スプライシングラインDF1
2カスケードのミスマッチ
人差し指は、一貫性のない寸法カスケードで一致していません。例えば矛盾長手カスケード列インデックス、カスケード接続の横方向行インデックス矛盾
接続の2種類があります。
- 外部接続:NaNのを補完する(デフォルトモード)
- エン:のみ一致する項目を接続
pd.concat((DF1、DF2)、軸= 0、参加= ' インナー')コネクタ内にスプライス#列
pd.merge()マージを使用します
、合併は、共通の列に基づいてマージする必要がある違いと合併CONCAT
両方自動的にマージするためのキーとして行と同じ列名に応じて、マージ()pd.mergeを使用します。
各列内の要素の順序が要件と一致しないことに注意してください
パラメータ:
- どのように:外と内側の交差を取るように設定します
- 上:同じ列の複数の値のリストに、マージに行を指定するために使用することができる場合
1)合流の一つ
データの作成
DF1 =データフレーム({ ' 従業員':[ ' ボブ'、' ジェイク'、' リサ' ]、 ' グループ':[ ' 会計'、' エンジニアリング'、' エンジニアリング' ] })
DF2 =データフレーム({ ' 従業員':[ ' リサ'、' ボブ'、' ジェイク' ]、 ' HIRE_DATE ':[2004,2008,2012 ] })
同じフィールドに従って結合pd.merge(DF1、DF2)#デフォルトの合成
2)多くの合併
# 创建数据
df3 = DataFrame({ 'employee':['Lisa','Jake'], 'group':['Accounting','Engineering'], 'hire_date':[2004,2016]})
df4 = DataFrame({'group':['Accounting','Engineering','Engineering'], 'supervisor':['Carly','Guido','Steve'] })
pd.merge(df3,df4) # 合并数据
3) 多对多合并
df1 = DataFrame({'employee':['Bob','Jake','Lisa'], 'group':['Accounting','Engineering','Engineering']})
df5 = DataFrame({'group':['Engineering','Engineering','HR'], 'supervisor':['Carly','Guido','Steve'] })
pd.merge(df1,df5,how='outer') # 合并外连接
4) key的规范化
- 当列冲突时,即有多个列名称相同时,需要使用on=来指定哪一个列作为key,配合suffixes指定冲突列名
df1 = DataFrame({'employee':['Jack',"Summer","Steve"], 'group':['Accounting','Finance','Marketing']})
df2 = DataFrame({'employee':['Jack','Bob',"Jake"], 'hire_date':[2003,2009,2012], 'group':['Accounting','sell','ceo']})
pd.merge(df1,df2,on='employee') #合并 指定固定的列
- 当两张表没有可进行连接的列时,可使用left_on和right_on手动指定merge中左右两边的哪一列列作为连接的列
df1 = DataFrame({'employee':['Bobs','Linda','Bill'], 'group':['Accounting','Product','Marketing'], 'hire_date':[1998,2017,2018]})
df5 = DataFrame({'name':['Lisa','Bobs','Bill'], 'hire_dates':[1998,2016,2007]})
pd.merge(df1,df5,left_on='employee',right_on='name') # 指定左右合并的列
5) 内合并与外合并:out取并集 inner取交集
df6 = DataFrame({'name':['Peter','Paul','Mary'], 'food':['fish','beans','bread']} ) df7 = DataFrame({'name':['Mary','Joseph'], 'drink':['wine','beer']}) 外合并 how='outer':补NaN
df6 = DataFrame({'name':['Peter','Paul','Mary'], 'food':['fish','beans','bread']} ) df7 = DataFrame({'name':['Mary','Joseph'], 'drink':['wine','beer']})