Coursera-Applied Data Science with Python-Introduction to Data Science in Python-Week3

一、Merging Dataframes：    

    首先，我们先复习一下上周所学的内容，上周主要是学习了Pandas中两个核心的数据结构：一维结构的Series和二维结构的DataFrame。查询这两个数据结构中的值有两种方式：第一种是行查询(row-based querying)，通过使用loc、iloc属性；第二张是列查询(column-based querying)，通过使用方括号操作符("[]")完成。而且还学习了通过Boolean Masking 来过滤数据。

1.向已存在的DataFrame内添加列：

    通过之前的学习，我们已经知道了一种向DataFrame里添加数据的方式，即我们给带有新列名的方括号操作符赋值来达到这个目的。

    但是这种方法有个局限就是，要求进行赋值的列表的长度必须要和DataFrame的index的长度一样，换句话说就是要把DataFrame里每一行这属性的值交代清楚，否则就会出现错误：

        要注意的是，对于数值型数据(scalar value)例如，整数，字符串等等，上面的方法是可用的，具体地如下图所示：

    那么，如果我们想给某一列的不同位置赋不同的值，那就必须创建一个和DataFrame的index的长度一样的list，list的里按顺序存放希望的内容（包括缺失值missing value）：

    如果，DataFrame里的每一行都有着唯一的索引，那么我们就可以通过索引给要添加的那列的具体位置赋值，这样做的好处就是可以不用自己填写缺失值。

2.合并DataFrame：

    使用Pandas里的merge函数能完成将两个DataFrame合并的操作，该方法的签名为：

    Pandas.merge(left,right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

        主要参数介绍：
        left：参与合并的左边的DataFrame（相当于SQL的join中的左表）；
        right：参数合并的右边的DataFrame（相当于SQL的join中的右表）；
        how：为合并的方式，分别为'inner','outer','left','right'，默认为'inner'（相当于SQl中表连接的内连接、外链接、左链接和右连接，说白了就是：内连接是求交集；外连接是求并集；左连接是以左边的数据为准，查询出右边的数据；右连接则是反过来）；
        on：两个DataFrame用户连接的列名，必须同时存在于两个DataFrame中，如果未指定则为两个表的交集作为连接键；
        left_on：左表用于连接的列（主要用户两个DataFrame不存在相同的列名时）；
        right_on：右表用于连接的列；
        left_index：将左边的DataFrame的索引作为连接键；
        right_index：将右边的DataFrame的索引作为连接键；
        sort：根据连接键对合并的结果进行排序；

        suffixes：字符串的元组，用于追加于重叠列名的末尾，默认为(_x,_y)

    具体地我们通过代码来理解，先创建两个DateFrame

staff_df = pd.DataFrame([{'Name': 'Kelly', 'Role': 'Director of HR'},
                         {'Name': 'Sally', 'Role': 'Course liasion'},
                         {'Name': 'James', 'Role': 'Grader'}])
staff_df = staff_df.set_index('Name')
student_df = pd.DataFrame([{'Name': 'James', 'School': 'Business'},
                           {'Name': 'Mike', 'School': 'Law'},
                           {'Name': 'Sally', 'School': 'Engineering'}])
student_df = student_df.set_index('Name')

  a.连接情况一：外连接

pd.merge(staff_df, student_df, how='outer', left_index=True, right_index=True)

    这段代码的意思是，将staff_df和student_df进行外连接，将staff_df和student_df的索引作为连接键。最后得到的结果是：

  b.连接情况二：内连接

pd.merge(staff_df, student_df, how='inner', left_index=True, right_index=True)