数据分析——从入门到精通(九)

import numpy as np
import pandas as pd
from pandas import Series,DataFrame,MultiIndex

数据级联

将两个DataFrame或Series进行拼接，按索引标签对齐

• pd.conncat() 列拼接
• pd.append() 行拼接

# 创建成绩表
df1 = DataFrame(np.random.randint(1,150,size=(6,3)),['甲','乙','丙','丁','戊','己'],['Python','Flask','FastAPI'])
df2 = DataFrame(np.random.randint(1,150,size=(6,3)),['甲','乙','丙','丁','A','B'],['Python','Tornado','Pulsar'])
display(df1,df2)

	Python	Flask	FastAPI
甲	86	91	125
乙	114	73	41
丙	20	90	37
丁	96	84	134
戊	47	78	22
己	80	43	90

	Python	Tornado	Pulsar
甲	13	29	3
乙	103	12	81
丙	21	101	62
丁	24	26	121
A	76	106	134
B	33	23	104

"""
pd.concat(
    objs,
    axis=0,
    join='outer',
    join_axes=None,
    ignore_index=False,
    keys=None,
    levels=None,
    names=None,
    verify_integrity=False,
    sort=None,
    copy=True,
)
"""
# join : {'inner', 'outer'}, default 'outer'
# outer 表示保留全部的索引标签，inner只保留相同的标签
# 默认axis=0,行拼接，上下拼接的 （速记：上下为行，左右为列）
pd.concat((df1,df2),sort=False)

	Python	Flask	FastAPI	Tornado	Pulsar
甲	86	91.0	125.0	NaN	NaN
乙	114	73.0	41.0	NaN	NaN
丙	20	90.0	37.0	NaN	NaN
丁	96	84.0	134.0	NaN	NaN
戊	47	78.0	22.0	NaN	NaN
己	80	43.0	90.0	NaN	NaN
甲	13	NaN	NaN	29.0	3.0
乙	103	NaN	NaN	12.0	81.0
丙	21	NaN	NaN	101.0	62.0
丁	24	NaN	NaN	26.0	121.0
A	76	NaN	NaN	106.0	134.0
B	33	NaN	NaN	23.0	104.0

# outer 表示保留全部的索引标签，inner只保留相同的标签
pd.concat((df1,df2),join='inner',sort=False)

	Python
甲	86
乙	114
丙	20
丁	96
戊	47
己	80
甲	13
乙	103
丙	21
丁	24
A	76
B	33

"""
ignore_index : bool, default False
    If True, do not use the index values along the concatenation axis. The
    resulting axis will be labeled 0, ..., n - 1. This is useful if you are
    concatenating objects where the concatenation axis does not have
    meaningful indexing information. Note the index values on the other
    axes are still respected in the join.

"""
# ignore_index: True  重新创建索引标签
pd.concat((df1,df2),join='inner',ignore_index=True,sort=False)

	Python
0	86
1	114
2	20
3	96
4	47
5	80
6	13
7	103
8	21
9	24
10	76
11	33

pd.concat((df1,df2),join='outer',ignore_index=False,sort=False)

	Python	Flask	FastAPI	Tornado	Pulsar
甲	86	91.0	125.0	NaN	NaN
乙	114	73.0	41.0	NaN	NaN
丙	20	90.0	37.0	NaN	NaN
丁	96	84.0	134.0	NaN	NaN
戊	47	78.0	22.0	NaN	NaN
己	80	43.0	90.0	NaN	NaN
甲	13	NaN	NaN	29.0	3.0
乙	103	NaN	NaN	12.0	81.0
丙	21	NaN	NaN	101.0	62.0
丁	24	NaN	NaN	26.0	121.0
A	76	NaN	NaN	106.0	134.0
B	33	NaN	NaN	23.0	104.0

# 默认keys=None  keys可以用来指定两表级联之后的每一个标签(索引)  ——(也可以理解为增加多层索引)
pd.concat((df1,df2),join='outer',ignore_index=False,keys=['期中','期末'],sort=False)

		Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0

df3 =pd.concat((df1,df2),join='outer',ignore_index=False,keys=['期中','期末'],sort=False)
df3

		Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0

df4 =df3.copy()
df4

		Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0

pd.concat((df3,df4),levels=['期中','期末'],axis=1)

		Python	Flask	FastAPI	Tornado	Pulsar	Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0	33	NaN	NaN	23.0	104.0

pd.concat((df3,df4),axis=1) # 去掉levels=['期中','期末'] 也没影响

		Python	Flask	FastAPI	Tornado	Pulsar	Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0	33	NaN	NaN	23.0	104.0

pd.concat((df3,df4),levels=['中','末'],axis=1)  # levels=['中','末'] 没有作用

		Python	Flask	FastAPI	Tornado	Pulsar	Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0	33	NaN	NaN	23.0	104.0

pd.concat((df3,df4),axis=1)

		Python	Flask	FastAPI	Tornado	Pulsar	Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0	33	NaN	NaN	23.0	104.0

pd.concat((df3,df4),axis=1,keys=['2019年的第一学期','2019年的第二学期'])

		2019年的第一学期					2019年的第二学期
		Python	Flask	FastAPI	Tornado	Pulsar	Python	Flask	FastAPI	Tornado	Pulsar
期中	甲	86	91.0	125.0	NaN	NaN	86	91.0	125.0	NaN	NaN
	乙	114	73.0	41.0	NaN	NaN	114	73.0	41.0	NaN	NaN
	丙	20	90.0	37.0	NaN	NaN	20	90.0	37.0	NaN	NaN
	丁	96	84.0	134.0	NaN	NaN	96	84.0	134.0	NaN	NaN
	戊	47	78.0	22.0	NaN	NaN	47	78.0	22.0	NaN	NaN
	己	80	43.0	90.0	NaN	NaN	80	43.0	90.0	NaN	NaN
期末	甲	13	NaN	NaN	29.0	3.0	13	NaN	NaN	29.0	3.0
	乙	103	NaN	NaN	12.0	81.0	103	NaN	NaN	12.0	81.0
	丙	21	NaN	NaN	101.0	62.0	21	NaN	NaN	101.0	62.0
	丁	24	NaN	NaN	26.0	121.0	24	NaN	NaN	26.0	121.0
	A	76	NaN	NaN	106.0	134.0	76	NaN	NaN	106.0	134.0
	B	33	NaN	NaN	23.0	104.0	33	NaN	NaN	23.0	104.0

# 行拼接
df1.append(df2,sort=False)  # .append()方法创建df副本和other数据进行行拼接，列标签级联

	Python	Flask	FastAPI	Tornado	Pulsar
甲	86	91.0	125.0	NaN	NaN
乙	114	73.0	41.0	NaN	NaN
丙	20	90.0	37.0	NaN	NaN
丁	96	84.0	134.0	NaN	NaN
戊	47	78.0	22.0	NaN	NaN
己	80	43.0	90.0	NaN	NaN
甲	13	NaN	NaN	29.0	3.0
乙	103	NaN	NaN	12.0	81.0
丙	21	NaN	NaN	101.0	62.0
丁	24	NaN	NaN	26.0	121.0
A	76	NaN	NaN	106.0	134.0
B	33	NaN	NaN	23.0	104.0

df5 =df1.append(df2,ignore_index=True,sort=False) 
df5

	Python	Flask	FastAPI	Tornado	Pulsar
0	86	91.0	125.0	NaN	NaN
1	114	73.0	41.0	NaN	NaN
2	20	90.0	37.0	NaN	NaN
3	96	84.0	134.0	NaN	NaN
4	47	78.0	22.0	NaN	NaN
5	80	43.0	90.0	NaN	NaN
6	13	NaN	NaN	29.0	3.0
7	103	NaN	NaN	12.0	81.0
8	21	NaN	NaN	101.0	62.0
9	24	NaN	NaN	26.0	121.0
10	76	NaN	NaN	106.0	134.0
11	33	NaN	NaN	23.0	104.0

df5.index     # RangeIndex 有序索引(序列索引)，类型是int

RangeIndex(start=0, stop=12, step=1)

# 获取df5第三行数据
df5.loc[3]

Python      96.0
Flask       84.0
FastAPI    134.0
Tornado      NaN
Pulsar       NaN
Name: 3, dtype: float64

# 获取df5第四行数据
df5.loc[4]

Python     47.0
Flask      78.0
FastAPI    22.0
Tornado     NaN
Pulsar      NaN
Name: 4, dtype: float64

# 获取df5第五行数据
df5.loc[5]    # 如果索引标签是RangeIndex,通过.loc[]和iloc[]操作是相同的

Python     80.0
Flask      43.0
FastAPI    90.0
Tornado     NaN
Pulsar      NaN
Name: 5, dtype: float64

数据合并

将两个DataFrame表的数据进行合并，同mysql的join连接。

• pd.merge()

# 创建分类表(id,name)
cate = DataFrame({
    'id':[i for i in range(1,6)],
    'name':['美食','音乐','视频','笑话','军事']
})
cate

	id	name
0	1	美食
1	2	音乐
2	3	视频
3	4	笑话
4	5	军事

import time 

# 创建内容表 content(id,title,cate_id)       id  标题   分类id
titles = [] 
cate_ids = []
for i in range(1,21):
    item = cate.loc[np.random.choice(cate.index)]  # series
    titles.append(f'{item["name"]}-{time.time()}')
    cate_ids.append(item['id'])
                  
content = DataFrame({
    'id':[i for i in range(1,21)],
    'title':titles,
    'cate_id':cate_ids
})
content

	id	title	cate_id
0	1	军事-1649392870.4940078	5
1	2	美食-1649392870.4940078	1
2	3	视频-1649392870.4950054	3
3	4	视频-1649392870.4950054	3
4	5	音乐-1649392870.4950054	2
5	6	美食-1649392870.4950054	1
6	7	军事-1649392870.4950054	5
7	8	笑话-1649392870.496003	4
8	9	视频-1649392870.496003	3
9	10	音乐-1649392870.496003	2
10	11	军事-1649392870.496003	5
11	12	笑话-1649392870.4970002	4
12	13	笑话-1649392870.4970002	4
13	14	美食-1649392870.4970002	1
14	15	视频-1649392870.4970002	3
15	16	笑话-1649392870.4970002	4
16	17	美食-1649392870.4979968	1
17	18	军事-1649392870.4979968	5
18	19	音乐-1649392870.4979968	2
19	20	视频-1649392870.4979968	3

display(cate,content)

	id	name
0	1	美食
1	2	音乐
2	3	视频
3	4	笑话
4	5	军事

	id	title	cate_id
0	1	军事-1649392870.4940078	5
1	2	美食-1649392870.4940078	1
2	3	视频-1649392870.4950054	3
3	4	视频-1649392870.4950054	3
4	5	音乐-1649392870.4950054	2
5	6	美食-1649392870.4950054	1
6	7	军事-1649392870.4950054	5
7	8	笑话-1649392870.496003	4
8	9	视频-1649392870.496003	3
9	10	音乐-1649392870.496003	2
10	11	军事-1649392870.496003	5
11	12	笑话-1649392870.4970002	4
12	13	笑话-1649392870.4970002	4
13	14	美食-1649392870.4970002	1
14	15	视频-1649392870.4970002	3
15	16	笑话-1649392870.4970002	4
16	17	美食-1649392870.4979968	1
17	18	军事-1649392870.4979968	5
18	19	音乐-1649392870.4979968	2
19	20	视频-1649392870.4979968	3

# content表只取前五个
display(cate,content.head())

	id	name
0	1	美食
1	2	音乐
2	3	视频
3	4	笑话
4	5	军事

	id	title	cate_id
0	1	军事-1649392870.4940078	5
1	2	美食-1649392870.4940078	1
2	3	视频-1649392870.4950054	3
3	4	视频-1649392870.4950054	3
4	5	音乐-1649392870.4950054	2

pd.merge(cate,content)  # 默认以on='id'进行连接
# on : label or list   指定两个表哪一个字段(的内容)进行合并

	id	name	title	cate_id
0	1	美食	军事-1649392870.4940078	5
1	2	音乐	美食-1649392870.4940078	1
2	3	视频	视频-1649392870.4950054	3
3	4	笑话	视频-1649392870.4950054	3
4	5	军事	音乐-1649392870.4950054	2

pd.merge(cate,content,left_on='id',right_on='cate_id')

	id_x	name	id_y	title	cate_id
0	1	美食	2	美食-1649392870.4940078	1
1	1	美食	6	美食-1649392870.4950054	1
2	1	美食	14	美食-1649392870.4970002	1
3	1	美食	17	美食-1649392870.4979968	1
4	2	音乐	5	音乐-1649392870.4950054	2
5	2	音乐	10	音乐-1649392870.496003	2
6	2	音乐	19	音乐-1649392870.4979968	2
7	3	视频	3	视频-1649392870.4950054	3
8	3	视频	4	视频-1649392870.4950054	3
9	3	视频	9	视频-1649392870.496003	3
10	3	视频	15	视频-1649392870.4970002	3
11	3	视频	20	视频-1649392870.4979968	3
12	4	笑话	8	笑话-1649392870.496003	4
13	4	笑话	12	笑话-1649392870.4970002	4
14	4	笑话	13	笑话-1649392870.4970002	4
15	4	笑话	16	笑话-1649392870.4970002	4
16	5	军事	1	军事-1649392870.4940078	5
17	5	军事	7	军事-1649392870.4950054	5
18	5	军事	11	军事-1649392870.496003	5
19	5	军事	18	军事-1649392870.4979968	5

pd.merge(cate,content,left_on='id',right_on='cate_id',suffixes=['_cate','_content'])

	id_cate	name	id_content	title	cate_id
0	1	美食	2	美食-1649392870.4940078	1
1	1	美食	6	美食-1649392870.4950054	1
2	1	美食	14	美食-1649392870.4970002	1
3	1	美食	17	美食-1649392870.4979968	1
4	2	音乐	5	音乐-1649392870.4950054	2
5	2	音乐	10	音乐-1649392870.496003	2
6	2	音乐	19	音乐-1649392870.4979968	2
7	3	视频	3	视频-1649392870.4950054	3
8	3	视频	4	视频-1649392870.4950054	3
9	3	视频	9	视频-1649392870.496003	3
10	3	视频	15	视频-1649392870.4970002	3
11	3	视频	20	视频-1649392870.4979968	3
12	4	笑话	8	笑话-1649392870.496003	4
13	4	笑话	12	笑话-1649392870.4970002	4
14	4	笑话	13	笑话-1649392870.4970002	4
15	4	笑话	16	笑话-1649392870.4970002	4
16	5	军事	1	军事-1649392870.4940078	5
17	5	军事	7	军事-1649392870.4950054	5
18	5	军事	11	军事-1649392870.496003	5
19	5	军事	18	军事-1649392870.4979968	5

content

	id	title	cate_id
0	1	军事-1649392870.4940078	5
1	2	美食-1649392870.4940078	1
2	3	视频-1649392870.4950054	3
3	4	视频-1649392870.4950054	3
4	5	音乐-1649392870.4950054	2
5	6	美食-1649392870.4950054	1
6	7	军事-1649392870.4950054	5
7	8	笑话-1649392870.496003	4
8	9	视频-1649392870.496003	3
9	10	音乐-1649392870.496003	2
10	11	军事-1649392870.496003	5
11	12	笑话-1649392870.4970002	4
12	13	笑话-1649392870.4970002	4
13	14	美食-1649392870.4970002	1
14	15	视频-1649392870.4970002	3
15	16	笑话-1649392870.4970002	4
16	17	美食-1649392870.4979968	1
17	18	军事-1649392870.4979968	5
18	19	音乐-1649392870.4979968	2
19	20	视频-1649392870.4979968	3

content.loc[3]

id                             4
title      视频-1649392870.4950054
cate_id                        3
Name: 3, dtype: object

# 更改content第四条的内容
content.loc[3,'cate_id'] = 6
content.head()

	id	title	cate_id
0	1	军事-1649392870.4940078	5
1	2	美食-1649392870.4940078	1
2	3	视频-1649392870.4950054	3
3	4	视频-1649392870.4950054	6
4	5	音乐-1649392870.4950054	2

pd.merge(cate,content,left_on='id',right_on='cate_id',suffixes=['_cate','_content'])

	id_cate	name	id_content	title	cate_id
0	1	美食	2	美食-1649392870.4940078	1
1	1	美食	6	美食-1649392870.4950054	1
2	1	美食	14	美食-1649392870.4970002	1
3	1	美食	17	美食-1649392870.4979968	1
4	2	音乐	5	音乐-1649392870.4950054	2
5	2	音乐	10	音乐-1649392870.496003	2
6	2	音乐	19	音乐-1649392870.4979968	2
7	3	视频	3	视频-1649392870.4950054	3
8	3	视频	9	视频-1649392870.496003	3
9	3	视频	15	视频-1649392870.4970002	3
10	3	视频	20	视频-1649392870.4979968	3
11	4	笑话	8	笑话-1649392870.496003	4
12	4	笑话	12	笑话-1649392870.4970002	4
13	4	笑话	13	笑话-1649392870.4970002	4
14	4	笑话	16	笑话-1649392870.4970002	4
15	5	军事	1	军事-1649392870.4940078	5
16	5	军事	7	军事-1649392870.4950054	5
17	5	军事	11	军事-1649392870.496003	5
18	5	军事	18	军事-1649392870.4979968	5

pd.merge(cate,content,left_on='id',right_on='cate_id',suffixes=['_cate','_content'],how='outer')

	id_cate	name	id_content	title	cate_id
0	1.0	美食	2	美食-1649392870.4940078	1
1	1.0	美食	6	美食-1649392870.4950054	1
2	1.0	美食	14	美食-1649392870.4970002	1
3	1.0	美食	17	美食-1649392870.4979968	1
4	2.0	音乐	5	音乐-1649392870.4950054	2
5	2.0	音乐	10	音乐-1649392870.496003	2
6	2.0	音乐	19	音乐-1649392870.4979968	2
7	3.0	视频	3	视频-1649392870.4950054	3
8	3.0	视频	9	视频-1649392870.496003	3
9	3.0	视频	15	视频-1649392870.4970002	3
10	3.0	视频	20	视频-1649392870.4979968	3
11	4.0	笑话	8	笑话-1649392870.496003	4
12	4.0	笑话	12	笑话-1649392870.4970002	4
13	4.0	笑话	13	笑话-1649392870.4970002	4
14	4.0	笑话	16	笑话-1649392870.4970002	4
15	5.0	军事	1	军事-1649392870.4940078	5
16	5.0	军事	7	军事-1649392870.4950054	5
17	5.0	军事	11	军事-1649392870.496003	5
18	5.0	军事	18	军事-1649392870.4979968	5
19	NaN	NaN	4	视频-1649392870.4950054	6