datawhale pandas 打卡 06连接

最新推荐文章于 2024-06-17 17:35:06 发布

Linzijiandevx

最新推荐文章于 2024-06-17 17:35:06 发布

阅读量326

点赞数 1

分类专栏： datawhale相关文章标签： pandas python 数据分析

本文链接：https://blog.csdn.net/Linzijiandevx/article/details/126747570

版权

datawhale相关专栏收录该内容

13 篇文章 0 订阅

订阅专栏

内容简介

这次文章的内容是pandas的连接操作

文章目录

内容简介
关系型连接
- 值连接
- 索引连接
方向连接
- concat
- 序列和表的合并
习题
- Ex1：美国疫情数据集

这是参加datawhale的学习打卡活动的学习笔记
学习链接： http://joyfulpandas.datawhale.club/Content/%E5%8F%82%E8%80%83%E7%AD%94%E6%A1%88.html

关系型连接

把两张相关的表按照某一个或某一组键连接起来是一种常见操作，例如学生期末考试各个科目的成绩表按照姓名和班级连接成总的成绩表，又例如对企业员工的各类信息表按照员工ID号进行连接汇总。由此可以看出，在关系型连接中，键是十分重要的，往往用 on 参数表示。

另一个重要的要素是连接的形式。在 pandas 中的关系型连接函数 merge 和 join 中提供了 how 参数来代表连接形式，分为左连接 left 、右连接 right 、内连接 inner 、外连接 outer ，它们的区别可以用如下示意图表示：

在这里插入图片描述

值连接

值连接使用merge方法。
现有两个表，对其做值连接。

df1 = pd.DataFrame({'Name':['San Zhang','Si Li'], 'Age':[20,30]})
df2 = pd.DataFrame({'Name':['Si Li','Wu Wang'], 'Gender':['F','M']})
df1.merge(df2, on='Name', how='left')

out
在这里插入图片描述

当值连接的列的列名不相同时，使用left_on和right_on参数
当值连接对应的列有多列时，传入列名列表
当表中有相同的列名时，可以选用suffixes指定列名的后缀，以便区分

索引连接

所谓索引连接，就是把索引当作键，因此这和值连接本质上没有区别，pandas中利用join函数来处理索引连接，它的参数选择要少于merge，除了必须的on和how之外，可以对重复的列指定左右后缀lsuffix和rsuffix。其中，on参数指索引名，单层索引时省略参数表示按照当前索引连接。

注意，在merge中传入suffixes的是列表，而join中是需要分别使用lsuffix和rsuffix

df1 = pd.DataFrame({'Age':[20,30]}, index=pd.Series(['San Zhang','Si Li'],name='Name'))
df2 = pd.DataFrame({'Gender':['F','M']}, index=pd.Series(['Si Li','Wu Wang'],name='Name'))
df1.join(df2, how='left')

out
在这里插入图片描述

方向连接

前面介绍了关系型连接，其中最重要的参数是on和how，但有时候用户并不关心以哪一列为键来合并，只是希望把两个表或者多个表按照纵向或者横向拼接，为这种需求，pandas中提供了concat函数来实现。

在concat中，最常用的有三个参数，它们是axis, join, keys，分别表示拼接方向，连接形式，以及在新表中指示来自于哪一张旧表的名字。这里需要特别注意，join和keys与之前提到的join函数和键的概念没有任何关系。

在默认状态下的axis=0，表示纵向拼接多个表，常常用于多个样本的拼接；而axis=1表示横向拼接多个表，常用于多个字段或特征的拼接。

concat

虽然说concat是处理关系型合并的函数，但是它仍然是关于索引进行连接的。纵向拼接会根据列索引对其，默认状态下join=outer，表示保留所有的列，并将不存在的值设为缺失；join=inner，表示保留两个表都出现过的列。横向拼接则根据行索引对齐，join参数可以类似设置。

序列和表的合并

利用 concat 可以实现多个表之间的方向拼接，如果想要把一个序列追加到表的行末或者列末，则可以分别使用 append 和 assign 方法。

在 append 中，如果原表是默认整数序列的索引，那么可以使用 ignore_index=True 对新序列对应的索引自动标号，否则必须对 Series 指定 name 属性。

原表：
在这里插入图片描述

添加一行使用append

s = pd.Series(['Wu Wang', 21], index = df1.columns)
df1.append(s, ignore_index=True)

out
在这里插入图片描述

添加列使用assign

s = pd.Series([80, 90])
df1.assign(Grade=s)

out
在这里插入图片描述

习题

Ex1：美国疫情数据集

现有美国4月12日至11月16日的疫情报表（在 /data/us_report 文件夹下），请将 New York 的 Confirmed, Deaths, Recovered, Active 合并为一张表，索引为按如下方法生成的日期字符串序列：

date = pd.date_range('20200412', '20201116').to_series()

date = date.dt.month.astype('string').str.zfill(2
       ) +'-'+ date.dt.day.astype('string'
       ).str.zfill(2) +'-'+ '2020'


date = date.tolist()

out

['04-12-2020', '04-13-2020', '04-14-2020', '04-15-2020', '04-16-2020']

解答：

res=[]
col=['Confirmed', 'Deaths', 'Recovered', 'Active']
for i in range(len(date)):
    data=pd.read_csv(path+date[i]+'.csv')
    res.append((data.loc[data['Province_State']=='New York'][col]))
L=pd.concat(res)
L.reset_index(drop=True)