Pandas导入数据后的，关于特征合并的细节

import pandas as pd

datapath = 'data/'

train_df = pd.read_csv(datapath+'yancheng_train_20171226.csv')

test_df = pd.read_csv(datapath+'yancheng_testA_20171225.csv')

train_sum10=train_df[(train_df.sale_date==201710)].groupby(['class_id']).sale_quantity.sum().round()

predicted=train_sum10.reset_index()

#数据合并

result= pd.merge(test_df[['predict_date','class_id']],predicted,how='left',on=['class_id'])

result.fillna(0)

result.columns=['predict_date','class_id','predict_quantity']

result.to_csv('result_201710.csv',index=False,header=True)  

开学以后，开始着手深挖数据处理的代码细节。

#pandas contact 之后，一定要记得用reset_index去处理index,不然容易出现莫名的逻辑错误

#result = pd.concat(frames) 这句话改成 result = pd.concat(frames,ignore_index=True)，就可以解决了。

merge

用于通过一个或多个键将两个数据集的行连接起来，类似于 SQL 中的 JOIN。该函数的典型应用场景是，针对同一个主键存在两张包含不同字段的表，现在我们想把他们整合到一张表里。在此典型情况下，结果集的行数并没有增加，列数则为两个元数据的列数和减去连接键的数量。
on=None 用于显示指定列名（键名），如果该列在两个对象上的列名不同，则可以通过 left_on=None, right_on=None 来分别指定。或者想直接使用行索引作为连接键的话，就将 left_index=False, right_index=False 设为 True。
how='inner' 参数指的是当左右两个对象中存在不重合的键时，取结果的方式：inner 代表交集；outer 代表并集；left 和 right 分别为取一边。
suffixes=('_x','_y') 指的是当左右对象中存在除连接键外的同名列时，结果集中的区分方式，可以各加一个小尾巴。
对于多对多连接，结果采用的是行的笛卡尔积。参数说明：
left与right：两个不同的DataFrame
how：指的是合并(连接)的方式有inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
on : 指的是用于连接的列索引名称。必须存在右右两个DataFrame对象中，如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
left_on：左则DataFrame中用作连接键的列名;这个参数中左右列名不相同，但代表的含义相同时非常有用。
right_on：右则DataFrame中用作 连接键的列名
left_index：使用左则DataFrame中的行索引做为连接键
right_index：使用右则DataFrame中的行索引做为连接键
sort：默认为True，将合并的数据进行排序。在大多数情况下设置为False可以提高性能
suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x','_y')
copy：默认为True,总是将数据复制到数据结构中；大多数情况下设置为False可以提高性能
indicator：在 0.17.0中还增加了一个显示合并数据中来源情况；如只来自己于左边(left_only)、两者(both)

原作者：lianghc

连接： http://blog.csdn.net/zutsoft/article/details/51498026