数据预处理2——数据集成

最新推荐文章于 2024-04-29 11:12:14 发布

-Heres-

最新推荐文章于 2024-04-29 11:12:14 发布

阅读量1.1k

点赞数

分类专栏：数据挖掘文章标签：数据集成

本文链接：https://blog.csdn.net/Vinsuan1993/article/details/80040628

版权

本文介绍了数据集成在数据挖掘中的重要性，特别是针对DataFrame如何通过索引进行数据集成。通过示例代码展示了具体操作步骤。

摘要由CSDN通过智能技术生成

一、介绍

数据挖掘需要的数据往往分布在不同的数据集中，数据集成就是将多个数据集合并放在一个一致的数据存储中的过程。

对于DataFrame来说，它的连接有时候是通过索引的。

三、代码示例

# coding: utf-8

# In[2]:


from pandas import DataFrame  
import pandas as pd
import numpy as np
###dataframe合并
#1
df1 = DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'],'data1': range(7)})
df2 = DataFrame({'key': ['a', 'b', 'd'],'data2': range(3)})
df1


# In[8]:


df2


# In[9]:


pd.merge(df1,df2)


# In[10]:


#默认重叠列名当作键，如果有多个重叠的列名，就会将多个列名当作键；
#如果不希望把多个列名当作键，可以用on指定。
pd.merge(df1,df2,on='key')


# In[12]:


df3 = DataFrame({'lkey': ['b', 'b', 'a', 'c', 'a', 'a', 'b'],
                 'data1': range(7)})
df4 = DataFrame({'rkey': ['a', 'b', 'd'],
                 'data2': range(3)})
df3


# In[13]:


df4


# In[14]:


#默认内连接，取交集
pd.merge(df3, df4, left_on='lkey', right_on='rkey')


# In[15]:


pd.merge(df1,df2,how='outer')


# In[16]:


df1 = DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'b'],
                 'data1': range(6)})
df2 = DataFrame({'key': ['a', 'b', 'a', 'b', 'd'],
                 'data2': range(5)})
df1


# In[17]:


df2


# In[18]:


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


# In[19]:


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


# In[20]:


p