Pandas Power Play: 构建数据帝国的两表JOIN和group by之旅

在数据分析的过程中，常常需要把多张表格进行合并，或者按照某些规则进行分组统计。Pandas是Python中一个非常强大的数据处理库，其中的JOIN和group by函数能够帮助我们轻松地完

成这些任务。本教程将详细介绍如何使用这两个函数，让你在数据分析的道路上更加游刃有余！

为什么要搞group by

JOIN操作允许你将多个数据表按照某个共同的字段进行连接，创建一个更完整、更有洞察力的数据集。这样做的好处有：

1. 数据整合：通过JOIN操作，你可以将多个相关的数据源合并在一起，形成一个更全面的数据集。例如，你可以将客户信息表和销售记录表JOIN在一起，从而获取每个客户的购买历史和偏好。
2. 数据拓展：JOIN操作可以通过连接多个表来增加数据的维度。通过关联不同的字段，你可以丰富数据集并探索更多的关联关系，提供更全面的洞察和决策支持。

其次，GROUP BY操作允许你根据一个或多个字段对数据进行分组，并对每个组应用聚合函数。这带来了以下好处：

1. 汇总统计：通过GROUP BY操作，你可以对数据进行分组，并计算每个组内的统计指标，如平均值、总和、计数等。这可以帮助你发现数据的整体趋势和模式，并快速洞察不同组之间的差异。
2. 数据探索：GROUP BY操作使你能够以更细粒度的方式分析数据，并深入了解不同组的特征。通过分组聚合，你可以揭示隐藏在数据中的细微变化、异常值或关联关系，从而发现更有价值的见解

JOIN函数的使用方式 🤝

JOIN函数是将两张表格按照某些关键词进行合并的函数，Pandas中提供了四种JOIN方式：

INNER JOIN 👥

内连接是对两张表格进行交集操作，只有两张表格中关键词完全匹配的行才会被保留。使用Pandas的JOIN函数进行INNER JOIN的代码如下：

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
                    'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'],
                    'value2': [5, 6, 7, 8]})
result = df1.join(df2, how='inner', on='key')
print(result)

输出结果：

  key  value1  value2
1   B       2       5
3   D       4       6

OUTER JOIN 🤝

外连接是对两张表格进行合并，并且保留所有行，如果某些行不匹配，则用NaN填充。使用Pandas的JOIN函数进行OUTER JOIN的代码如下：

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
                    'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'],
                    'value2': [5, 6, 7, 8]})
result = df1.join(df2, how='outer', on='key')
print(result)

输出结果：

  key  value1  value2
0   A     1.0     NaN
1   B     2.0     5.0
2   C     3.0     NaN
3   D     4.0     6.0
4   E     NaN     7.0
5   F     NaN     8.0

LEFT JOIN 👈

左连接是以左边的表格为基础，将右边的表格按照关键词进行合并，并保留所有行。如果右边的表格中某些行不匹配，则用NaN填充。使用Pandas的JOIN函数进行LEFT JOIN的代码如下：

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
                    'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'],
                    'value2': [5, 6, 7, 8]})
result = df1.join(df2, how='left', on='key')
print(result)

输出结果：

  key  value1  value2
0   A       1     NaN
1   B       2     5.0
2   C       3     NaN
3   D       4     6.0

RIGHT JOIN 👉

右连接是以右边的表格为基础，将左边的表格按照关键词进行合并，并保留所有行。如果左边的表格中某些行不匹配，则用NaN填充。使用Pandas的JOIN函数进行RIGHT JOIN的代码如下：

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
                    'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['B', 'D', 'E', 'F'],
                    'value2': [5, 6, 7, 8]})
result = df1.join(df2, how='right', on='key')
print(result)

输出结果：

  key  value1  value2
0   B     2.0       5
1   D     4.0       6
2   E     NaN       7
3   F     NaN       8

group by函数的使用方式 🧑‍🤝‍🧑

group by函数是按照某些规则对表格进行分组并统计的函数，Pandas中提供了非常丰富的group by函数，包括sum、count、mean等等。使用Pandas的group by函数进行分组统计的代码如下：

df = pd.DataFrame({'key1': ['A', 'A', 'B', 'B', 'A'],
                   'key2': ['C', 'D', 'C', 'D', 'C'],
                   'value1': [1, 2, 3, 4, 5],
                   'value2': [6, 7, 8, 9, 10]})
result = df.groupby('key1').sum()
print(result)

输出结果：

      value1  value2
key1
A          8      23
B          7      17

其中，'column_name'是你要按照哪一列进行分组统计的列名。如果你要进行多列分组统计，可以使用一个列表来传递多个列名：

df = pd.DataFrame({'key1': ['A', 'A', 'B', 'B', 'A'],
                   'key2': ['C', 'D', 'C', 'D', 'C'],
                   'value1': [1, 2, 3, 4, 5],
                   'value2': [6, 7, 8, 9, 10]})
result = df.groupby(['key1', 'key2']).mean()
print(result)

输出结果：

           value1  value2
key1 key2
A    C        3.0     8.0
     D        2.0     7.0
B    C        3.0     8.0
     D        4.0     9.0

结束语 🎉

以上就是Python Pandas的两表JOIN和group by教程的全部内容。希望这个教程能够帮助你更好地掌握Pandas中的这两个函数，并在数据分析中发挥更大的作用！