数据科学入门与实战：玩转pandas之四

DataFrame的merge(合并)操作

首先

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

创建df1 df2

df1 = DataFrame({'key':['X','Y','Z','X'],'data_set_1':[1,2,3,4]})
print(df1)
df2 = DataFrame({'key':['X','B','C'],'data_set_2':[4,5,6]})
print(df2)

显示df1 和 df2

合并操作…

print(pd.merge(df1,df2))
print(pd.merge(df1,df2,on = 'key',how = 'right'))
print(pd.merge(df1,df2,on = 'key',how = 'left'))

Concatenate和combine

创建arr1和arr2

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
arr1 = np.arange(9).reshape(3,3)
print(arr1)
arr2 = np.arange(9).reshape(3,3)
print(arr2)

竖着连接，增加行数

print(np.concatenate([arr1,arr2]))#

结果

横着连接，增加列数

print(np.concatenate([arr1,arr2],axis=1))

创建Series并且进行两种方向的连接

s1 = Series([1,2,3],index=['X','Y','Z'])
print(s1)
s2 = Series([4,5],index=['A','B'])
print(s2)

print(pd.concat([s1,s2]))

另一个方向的连接

print(pd.concat([s1,s2],axis=1))

DataFrame的concat
创建

df1 = DataFrame(np.random.randn(4,3),columns=['X','Y','Z'])
print(df1)
df2 = DataFrame(np.random.randn(4,3),columns=['X','Y','A'])
print(df2)

连接

print(pd.concat([df1,df2]))

横着连接

print(pd.concat([df1,df2],axis=1))

第二个操作Combine(填充)

s1 = Series([2,np.nan,4,np.nan],index=['A','B','C','D'])
print(s1)
s2 = Series([1,2,3,4],index=['A','B','C','D'])
print(s2)

用s2去填充s1，如过s1对应位置空则填充，否则保持s1

print(s1.combine_first(s2))#用S2去填充S1

DataFrame

df1 = DataFrame({'X':[1,np.nan,3,np.nan],'Y':[5,np.nan,7,np.nan],'Z':[9,np.nan,11,np.nan]
})
print(df1)
df2 = DataFrame({'Z':[np.nan,10,np.nan,12],'A':[1,2,3,4]
})
print(df2)
print(df1.combine_first(df2))

用z和A去填充…

数据科学入门与实战：玩转pandas之四相关推荐

python3数据科学入门与实战_Python3学习之Python3数据科学入门与实战视频教程
Python3学习之Python3数据科学入门与实战视频教程 Python3数据科学入门与实战这是一个数据驱动的时代,想要从事机器学习.人工智能.数据挖掘等前沿技术,都离不开数据跟踪,本课程通过Nu ...
数据科学入门与实战：玩转pandas实战项目分析航班晚点情况
引入相关包 import numpy as np import pandas as pd from pandas import DataFrame,Series 读取数据文件 df = pd.read ...
数据科学入门与实战：玩转pandas之七数据透视
数据透视引入相关包 #透视表 import numpy as np import pandas as pd from pandas import DataFrame,Series 看看- df = ...
数据科学入门与实战：玩转pandas之七数据分箱技术，分组技术，聚合技术
首先导入相关包 import pandas as pd import numpy as np from pandas import Series,DataFrame #数据分箱技术Binning 数据 ...
数据科学入门与实战：玩转pandas之六时间序列
时间序列的操作基础首先引入相关的包 import numpy as np import pandas as pd from pandas import Series,DataFrame from d ...
数据科学入门与实战：玩转pandas之五
通过apply进行数据预处理首先读入csv文件 df = pd.read_csv('apply_demo.csv') print(df.head()) 看看规模 print(df.size) 创建新 ...
数据科学入门与实战：玩转pandas之二
Series,DateFrame的排序功能引入相关的包 import numpy as np import pandas as pd from pandas import Series,DataFr ...
数据科学入门与实战：玩转pandas之三
重命名DataFrame的Index 引入包 import numpy as np import pandas as pd from pandas import Series,DataFrame 创建 ...
数据科学入门与实战：玩转pandas之一
首先引入相关的包 import numpy as np import pandas as pd from pandas import Series,DataFrame Serious的运算创建两个S ...

数据科学入门与实战：玩转pandas之四

DataFrame的merge(合并)操作

Concatenate和combine

数据科学入门与实战：玩转pandas之四相关推荐

最新文章

热门文章