CH05 - Pandas 【合并】

本文深入探讨了Pandas库中高级数据操作方法,包括append、assign、combine、update及concat等函数的详细使用场景与技巧,适用于数据科学与数据分析领域的专业人员。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import numpy as np
import pandas as pd
df = pd.read_csv('C:/Users/admin/Desktop/joyful-pandas-master/joyful-pandas-master/data/table.csv')
df.head()
SchoolClassIDGenderAddressHeightWeightMathPhysics
0S_1C_11101Mstreet_11736334.0A+
1S_1C_11102Fstreet_21927332.5B+
2S_1C_11103Mstreet_21868287.2B+
3S_1C_11104Fstreet_21678180.4B-
4S_1C_11105Fstreet_41596484.8B+

1、append与assign

1.1、append方法

1.1.1、利用序列添加行(必须指定name)

df_append = df.loc[:3,['Gender','Height']].copy()
df_append
GenderHeight
0M173
1F192
2M186
3F167
s = pd.Series({'Gender':'M','Height':'187'},name='row_1')
df_append.append(s)
GenderHeight
0M173
1F192
2M186
3F167
row_1M187

1.1.2、用DataFrame添加表

df_temp = pd.DataFrame({'Gender':['F','F'],'Height':['165','171']},index=['row1','row2'])
df_append.append(df_temp)
GenderHeight
0M173
1F192
2M186
3F167
row1F165
row2F171

1.2、assign方法

  • 该方法主要用于添加列,列名直接由参数指定:
  • 可以一次添加多个列:
s = pd.Series(list('john'),index=range(4))
df_append.assign(Letter=s)
GenderHeightLetter
0M173j
1F192o
2M186h
3F167n
df_append.assign(col1=lambda x:x['Gender']*2,col2=s)
GenderHeightcol1col2
0M173MMj
1F192FFo
2M186MMh
3F167FFn

2、combine与update

2.1、combine方法

  • comine和update都是用于表的填充函数,可以根据某种规则填充

2.1.1 填充对象

df_combine_1 = df.loc[:1,['Gender','Height']].copy()
df_combine_2 = df.loc[10:11,['Gender','Height']].copy()
df_combine_1.combine(df_combine_2,lambda x,y:print(x,y))
0       M
1       F
10    NaN
11    NaN
Name: Gender, dtype: object 0     NaN
1     NaN
10      M
11      F
Name: Gender, dtype: object
0     173.0
1     192.0
10      NaN
11      NaN
Name: Height, dtype: float64 0       NaN
1       NaN
10    161.0
11    175.0
Name: Height, dtype: float64
GenderHeight
0NaNNaN
1NaNNaN
10NaNNaN
11NaNNaN
  • 根据列均值的大小填充
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [8, 7], 'B': [6, 5]})
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y)
AB
086
175
  • 索引对齐特性(默认状态下,后面的表没有的行列都会设置为NaN
df2 = pd.DataFrame({'B':[8,7],'C':[6,5]},index=[1,2])
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y)
ABC
0NaNNaNNaN
1NaN8.06.0
2NaN7.05.0
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y,overwrite=False)
ABC
01.0NaNNaN
12.08.06.0
2NaN7.05.0
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y,fill_value=1)
ABC
01.01.01.0
12.08.06.0
21.07.05.0

2.1.2、combine_first方法

  • 这个方法作用是用df2填补df1的缺失值,功能比较简单,但很多时候会比combine更常用
df1 = pd.DataFrame({'A':[0,None],'B':[None,6]})
df2 = pd.DataFrame({'A':[2,4],'B':[1,1]})
df1.combine_first(df2)
AB
00.01.0
14.06.0
df1 = pd.DataFrame({'A': [None, 0], 'B': [4, None]})
df2 = pd.DataFrame({'B': [3, 3], 'C': [1, 1]}, index=[1, 2])
df1.combine_first(df2)
ABC
0NaN4.0NaN
10.03.01.0
2NaN3.01.0

2、update方法

  • ①返回的框索引只会与被调用框的一致(默认使用左连接,下一节会介绍)
  • ②第二个框中的nan元素不会起作用
  • ③没有返回值,直接在df上操作

例①:索引完全对齐情况下的操作

df1 = pd.DataFrame({'A':[1,2,3],'B':[100,200,300]})
df2 = pd.DataFrame({'B': [4, 5, 6],
                    'C': [7, 8, 9]})
df1.update(df2)
AB
014
125
236
df2.update(df1)
df2
BC
047
158
269

例②:部分填充

df1 = pd.DataFrame({'A': ['a', 'b', 'c'],
                    'B': ['x', 'y', 'z']})
df2 = pd.DataFrame({'B': ['d', 'e']}, index=[1,2])
df1.update(df2)
df1
AB
0ax
1bd
2ce

例3:nan元素不会起作用

df1 = pd.DataFrame({'A': [1, 2, 3],
                    'B': [400, 500, 600]})
df2 = pd.DataFrame({'B': [4, np.nan, 6]})
df1.update(df2)
df1
AB
014.0
12500.0
236.0

3、concat方法

  • concat方法可以在两个维度上拼接,默认纵向凭借(axis=0),拼接方式默认外连接

  • 所谓外连接,就是取拼接方向的并集,而’inner’时取拼接方向(若使用默认的纵向拼接,则为列的交集)的交集

df1 = pd.DataFrame({'A': ['A0', 'A1'],'B': ['B0', 'B1']},index = [0,1])
df2 = pd.DataFrame({'A': ['A2', 'A3'],'B': ['B2', 'B3']},index = [2,3])
df3 = pd.DataFrame({'A': ['A1', 'A3'],'D': ['D1', 'D3'],'E': ['E1', 'E3']},index = [1,3])
pd.concat([df1,df2])
AB
0A0B0
1A1B1
2A2B2
3A3B3
pd.concat([df1,df2],axis=1)
ABAB
0A0B0NaNNaN
1A1B1NaNNaN
2NaNNaNA2B2
3NaNNaNA3B3
pd.concat([df3,df1],join='inner')
A
1A1
3A3
0A0
1A1
pd.concat([df3,df1],join='outer',sort=True)
ABDE
1A1NaND1E1
3A3NaND3E3
0A0B0NaNNaN
1A1B1NaNNaN
pd.concat([df3,df1],verify_integrity=True,sort=True)
---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-35-ce6f08b9d774> in <module>
----> 1 pd.concat([df3,df1],verify_integrity=True,sort=True)


D:\Users\admin\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in concat(objs, axis, join, ignore_index, keys, levels, names, verify_integrity, sort, copy)
    279         verify_integrity=verify_integrity,
    280         copy=copy,
--> 281         sort=sort,
    282     )
    283 


D:\Users\admin\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in __init__(self, objs, axis, join, keys, levels, names, ignore_index, verify_integrity, copy, sort)
    450         self.copy = copy
    451 
--> 452         self.new_axes = self._get_new_axes()
    453 
    454     def get_result(self):


D:\Users\admin\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in _get_new_axes(self)
    515         return [
    516             self._get_concat_axis() if i == self.axis else self._get_comb_axis(i)
--> 517             for i in range(ndim)
    518         ]
    519 


D:\Users\admin\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in <listcomp>(.0)
    515         return [
    516             self._get_concat_axis() if i == self.axis else self._get_comb_axis(i)
--> 517             for i in range(ndim)
    518         ]
    519 


D:\Users\admin\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in _get_concat_axis(self)
    570             )
    571 
--> 572         self._maybe_check_integrity(concat_axis)
    573 
    574         return concat_axis


D:\Users\admin\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in _maybe_check_integrity(self, concat_index)
    580                 raise ValueError(
    581                     "Indexes have overlapping values: "
--> 582                     "{overlap!s}".format(overlap=overlap)
    583                 )
    584 


ValueError: Indexes have overlapping values: Int64Index([1], dtype='int64')
s = pd.Series(['F0','F1'],name='F')
pd.concat([df1,s],axis=1)
ABF
0A0B0F0
1A1B1F1

4、merge与join


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值