数据分析(四)

1 数据连接 concat merge join （append 作为了解）

• append 竖直方向追加， 在最新的pandas版本中已经被删除掉了， 这里推荐使用concat

1.1 pd.concat

两张表， 通过行名、列名对齐进行连接

import pandas as pd
df1 = pd.DataFrame([[1, 2, 3], [1, 10, 20], [5, 6, 7], [3, 9, 0], [8, 0, 3]], columns=['x1', 'x2', 'x3'])
df2 = pd.DataFrame([[1, 2], [1, 10], [1, 3], [4, 6], [3, 9]], columns=['x1', 'x4'])
pd.concat([df1, df2], axis=1)
pd.concat([df1, df2],join='inner')

axis=1 默认是0 ， 上下连接， 用列名做对齐 = 1 左右连接 用行名对齐

join = 'inner' 默认 ‘outer’ outer 会保留连接的两张表的所有的信息， 有列名、行名不匹配的时候， 用NaN填充， 如果是inner 只会连接 行名、列名相同的部分

1.2 merge 连接 类似于SQL的join

# 写法1
df1.merge(df2, on='列名', how='固定值')
# 写法2
pd.merge(df1, df2, on='列名', how='固定值')

• merge函数有2种常用参数，参数说明如下

  • 参数on='列名'，表示基于哪一列的列值进行合并操作

  • 参数how='固定值'，表示合并后如何处理行索引，固定参数具体如下：

    • how='left' 对应SQL中的left join，保留左侧表df1中的所有数据

    • how='right' 对应SQL中的right join，保留右侧表df2中的所有数据

    • how='inner' 对应SQL中的inner，只保留左右两侧df1和df2都有的数据

    • how='outer' 对应SQL中的join，保留左右两侧侧表df1和df2中的所有数据

• merge横向连接多个关联数据集具体使用

  df3 = pd.merge(df1, df2, how='left', on='x1')
  df4 = pd.merge(df1, df2, how='right', on='x1')
  df5 =