数据处理涉及以各种格式处理数据，例如合并，分组，连接等，以便分析或准备将其与另一组数据一起使用。 python具有内置函数功能，可将这些争议方法应用于各种数据集以实现分析目标。 在本章中，我们将看几个基于这些方法的例子。

合并数据

python中的pandas库提供了一个函数merge，作为dataframe对象之间所有标准数据库连接操作的入口 -

pd.merge(left, right, how='inner', on=none, left_on=none, right_on=none,

left_index=false, right_index=false, sort=true)

现在创建两个不同的dataframe并对其执行合并操作。

# import the pandas library

import pandas as pd

left = pd.dataframe({

'id':[1,2,3,4,5],

'name': ['alex', 'amy', 'allen', 'alice', 'ayoung'],

'subject_id':['sub1','sub2','sub4','sub6','sub5']})

right = pd.dataframe(

{'id':[1,2,3,4,5],

'name': ['billy', 'brian', 'bran', 'bryce', 'betty'],

'subject_id':['sub2','sub4','sub3','sub6','sub5']})

print (left)

print (right)

执行上面示例代码，得到以下结果 -

name id subject_id

0 alex 1 sub1

1 amy 2 sub2

2 allen 3 sub4

3 alice 4 sub6

4 ayoung 5 sub5

name id subject_id

0 billy 1 sub2

1 brian 2 sub4

2 bran 3 sub3

3 bryce 4 sub6

4 betty 5 sub5

分组数据

数据分析中经常需要对数据集进行分组，因为我们需要根据数据集中存在的各个组的结果进行分析。 panadas具有内置的方法，可以将数据转换为各种分组。

在下面的示例中，我们按年分组数据，然后获得特定年份的结果。

# import the pandas library

import pandas as pd

ipl_data = {'team': ['riders', 'riders', 'devils', 'devils', 'kings',

'kings', 'kings', 'kings', 'riders', 'royals', 'royals', 'riders'],

'rank': [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2],

'year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],

'points':[876,789,863,673,741,812,756,788,694,701,804,690]}

df = pd.dataframe(ipl_data)

grouped = df.groupby('year')

print (grouped.get_group(2014))

执行上面示例代码，得到以下结果 -

points rank team year

0 876 1 riders 2014

2 863 2 devils 2014

4 741 3 kings 2014

9 701 4 royals 2014

连接数据

pandas提供了各种功能，可以轻松地将series，dataframe和panel对象组合在一起。 在下面的例子中，concat函数沿轴执行串联操作。创建不同的对象并进行连接。

import pandas as pd

one = pd.dataframe({

'name': ['alex', 'amy', 'allen', 'alice', 'ayoung'],

'subject_id':['sub1','sub2','sub4','sub6','sub5'],

'marks_scored':[98,90,87,69,78]},

index=[1,2,3,4,5])

two = pd.dataframe({

'name': ['billy', 'brian', 'bran', 'bryce', 'betty'],

'subject_id':['sub2','sub4','sub3','sub6','sub5'],

'marks_scored':[89,80,79,97,88]},

index=[1,2,3,4,5])

print (pd.concat([one,two]))

执行上面示例代码，得到以下结果 -

marks_scored name subject_id

1 98 alex sub1

2 90 amy sub2

3 87 allen sub4

4 69 alice sub6

5 78 ayoung sub5

1 89 billy sub2

2 80 brian sub4

3 79 bran sub3

4 97 bryce sub6

5 88 betty sub5