【pandas06】连接

感谢datawhale开展的每月组队学习，教材ref: 第六章：连接

关系型连接

方向连接

类连接操作

练习

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，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：

In [61]: date = pd.date_range('20200412', '20201116').to_series()

In [62]: date = date.dt.month.astype('string').str.zfill(2
   ....:        ) +'-'+ date.dt.day.astype('string'
   ....:        ).str.zfill(2) +'-'+ '2020'
   ....: 

In [63]: date = date.tolist()

In [64]: date[:5]
Out[64]: ['04-12-2020', '04-13-2020', '04-14-2020', '04-15-2020', '04-16-2020']

我太菜了写不出来😢，我来解读一下code把

L = []
for d in date:
	#因为数据是按照天数分开一个一个存在一个文件夹里的（每个csv文件都含有当天的所有地区covid数据），我们在题目中已经获得了那些csv文件名称了
	#于是我们这里可以用一个for 循环去一个一个把文件读出来（暂时命名为df）
	#这里要记得传入参数index_col='Province_State'，把索引设为state，因为我们在下一步做loc索引器的时候要取出行索引为New York的
   df = pd.read_csv('data/us_report/' + d + '.csv', index_col='Province_State')
   # 因为上一步里我们取到的数据是包含所有state的，但是我们目前只关心New York的数据
   # 所以我们可以用loc索引器（第三章）去把纽约的数据取出来
   # 复习一下loc知识： loc[行的选择，列的选择]
   # 我们这里行的选择为：纽约的行；列的选择为：使用list选择多列
   # 现在我们就从原表df得到了过滤出我们所需要信息的series序列（data）
   data = df.loc['New York', ['Confirmed','Deaths','Recovered','Active']]
   # 上一步获得的是New York那一行，返回的是个序列，我们需要把它转成dataframe
   # 使用to_frame() method返回的是，列是New York，行是['Confirmed','Deaths','Recovered','Active']
   # 所以我们需要转置一下，然后append到list里面（学到了）
   L.append(data.to_frame().T)

# 因为我们已经把所有天的New York数据全部放到一个list里了，我们可以直接用concat函数
# 纵向拼接成一个表
res = pd.concat(L) 
# 因为我们append的时候也是按照date的顺序for loop append的
# 所以我们可以直接把date赋给dataframe做索引
res.index = date
res.head() 

Ex2：实现join函数

请实现带有 how 参数的 join 函数

• 假设连接的两表无公共列

• 调用方式为 join(df1, df2, how=“left”)

• 给出测试样例