第五章-合并

问题

【问题一】 请思考什么是append/assign/combine/update/concat/merge/join各自最适合使用的场景，并举出相应的例子。

append：添加一行数据

s = pd.Series({'Gender':'F','Heighe':188},name = 'new_row')
df.append(s)

assign：添加一列数据

s = pd.Series(list('abcd'),index=range(4))
df.assign(Letter=s)

combine:用于表的填充，按照表的顺序轮流进行列的循环，自动索引对齐

df.combine(df_2,lambda x,y:x if x.mean()>y.mean() else y)

updata:直接将右表与左表相同的部分，在左表的基础上进行填充

df.update(df2)

concat:两个表的连接

pd.concat([df1,df3])#上下连接
pd.concat([df1,df3],axis=1)#列方向的连接

merge:将两个表更具一个列或者多列进行横向连接

pd.merge(left,right,on='key')

join:将多个表根据一列或者多列横向连接。

left.join(right)

【问题二】 merge_ordered和merge_asof的作用是什么？和merge是什么关系？

merge_ordered:当没有指定的连接键时，默认使用left和right列的交集将为连接键

merge_asof：增加了更具什么键排序的功能

是merge的补充

【问题三】 请构造一个多级索引与多级索引合并的例子，尝试使用不同的合并函数。

arrays = [['A','a'],['A','b'],['B','a'],['B','b']]
mul_index = pd.MultiIndex.from_tuples(arrays, names=('Upper', 'Lower'))
a = pd.DataFrame({'Score':['perfect','good','fair','bad'],'w':['w','s','d','c']},index=mul_index)

arrays = [['A','a'],['A','b'],['B','a'],['B','b']]
mul_index = pd.MultiIndex.from_tuples(arrays, names=('Upper', 'Lower'))
b = pd.DataFrame({'Score':['perfect','good','fair','bad'],'c':['s','s','d','c']},index=mul_index)

pd.merge(a,b,on='Score')
pd.concat([a,b],axis=1)

【问题四】 上文提到了连接的笛卡尔积，那么当连接方式变化时（inner/outer/left/right），这种笛卡尔积规则会相应变化吗？请构造相应例子。