2022.04.07

课时38数据合并

 

 

 

 

 

 

 on表示按照什么进行合并。

上图就表示在a这个列进行操作。但是df1与df3的a完全不一样，所以不能操作。

因为在默认情况下，merge取的是并集（？）。

查了一下，默认应该是“inner”，inner代表取的是交集。

想要取“并集”，应该设置为“outer”。

课件给出的知识是错的。

 因为在df1里面，“a”这一列里面，A，B两行的值都为1（即使一个是int，一个是float类型也无所谓），所以在合并的结果里，df1的A行，B行和df3的0行进行了合并。

而如果只有一个值相同，如下图。

那么只会在有相同的数值的那一行进行合并。 

另外，通过对how参数进行设置，可以成为并集。

并集会把没有的值设置为nan。

此外，还有“左连接”和“右连接”。

也就是以“左边或右边为准”。 

 

课时39数据分组和聚合

 

 

import pandas as pd
import numpy as np

file_path=""
df=pd.read_csv(file_path)

grouped=df.groupby(by="country")#通过国家名字进行分组


#DataFrameGrouBy
#可以进行遍历

#调用聚合方法

country_count=grouped["Brand"].count()
print(country_count["US"])
print(country_count["CN"])

课时40

统计中国每个省份的星巴克数量。

import pandas as pd
import numpy as np

file_path=""
df=pd.read_csv(file_path)

#grouped=df.groupby(by="country")#通过国家名字进行分组


#DataFrameGrouBy
#可以进行遍历
#调用聚合方法

#country_count=grouped["Brand"].count()
#print(country_count["US"])
#print(country_count["CN"])

#统计中国每个省份的星巴克数量
china_data=df[df["country"]=="CN"]

grouped=china_data.groupby(by="State/Province").count()["Brand"]
print(grouped)

 

 

 

 

#数据按照多个条件进行分组
df["Brand"].groupby(by=[df["Country"],df["State/Province"]])

#数据按照多个条件进行分组，返回DataFrame
grouped1=df["Brand"].groupby(by=[df["Country"],df["State/Province"]]).count()
grouped2=df.groupby(by=[df["Country"],df["State/Province"]])[["Brand"]].count()
grouped3=df.groupby(by=[df["Country"],df["State/Province"]]).count()[["Brand"]]