目录
1. append与assign
1.1 append方法
利用序列添加行(必须指定name)
用DataFrame添加表
1.2 assign方法
该方法主要用于添加列,列名直接由参数指定:
可以一次添加多个列
2. combine与update
combine和update都是用于表的填充函数,可以根据某种规则填充
2.1 combine方法
可以看出combine方法是按照表的顺序轮流进行逐列循环的,而且自动索引对齐,缺失值为NaN
根据列均值的大小填充
索引对齐特性(默认状态下,后面的表没有的行列都会设置为NaN)
使得df1原来符合条件的值不会被覆盖
在新增匹配df2的元素位置填充-1
combine_first方法:这个方法作用是用df2填补df1的缺失值,功能比较简单,但很多时候会比combine更常用,下面举两个例子
2.2 update方法
三个特点:返回的框索引只会与被调用框的一致(默认使用左连接);第二个框中的nan元素不会起作用;没有返回值,直接在df上操作
例①:索引完全对齐情况下的操作
例②:部分填充
例③:缺失值不会填充
3. concat方法
concat方法可以在两个维度上拼接,默认纵向(axis=0),拼接方式默认外连接,即取拼接方向的并集,而 “inner” 是取拼接方向的交集
默认状态拼接:
axis=1时沿列方向拼接:
join设置为内连接(由于axis=0,因此列取交集):
join设置为外链接:
同样,可以添加Series:
key参数用于对不同的数据框增加一个标号,便于索引:
4. merge与join
4.1 merge函数
merge函数的作用是将两个pandas对象横向合并,遇到重复的索引项时会使用笛卡尔积,默认inner连接,可选left、outer、right连接。merge/join与concat的不同之处在于on参数,可以指定某一个对象为key来进行连接
以key1为准则连接,如果具有相同的列,则默认suffixes=(’_x’,’_y’):
以多组键连接:
默认使用inner连接,因为merge只能横向拼接,所以取行向上keys的交集,下面看如果使用how=outer参数¶
注意:这里的how就是concat的join
左连接:
右连接:
validate检验的是到底哪一边出现了重复索引,如果是“one_to_one”则两侧索引都是唯一,如果"one_to_many"则左侧唯一
indicator参数指示了,合并后该行索引的来源
4.2 join函数
join函数作用是将多个pandas对象横向拼接,遇到重复的索引项时会使用笛卡尔积,默认左连接,可选inner、outer、right连接
同样可以指定key:
多层key:
5. 问题与练习
5.1 问题
【问题一】 请思考什么是append/assign/combine/update/concat/merge/join各自最适合使用的场景,并举出相应的例子。
append与assign是行接起来,combine/update是填充,merge/join横向拼接
【问题二】 merge_ordered和merge_asof的作用是什么?和merge是什么关系?
merge_ordered:函数允许组合时间序列和其他有序数据。 包含关系。
【问题三】 请构造一个多级索引与多级索引合并的例子,尝试使用不同的合并函数。
略
【问题四】 上文提到了连接的笛卡尔积,那么当连接方式变化时(inner/outer/left/right),这种笛卡尔积规则会相应变化吗?请构造相应例子。
不会。
5.2 练习
【练习一】有2张公司的员工信息表,每个公司共有16名员工,共有五个公司,请解决如下问题:
(a) 每个公司有多少员工满足如下条件:既出现第一张表,又出现在第二张表。
(b)将所有不符合(a)中条件的行筛选出来,合并为一张新表,列名与原表一致。
(c)现在需要编制所有80位员工的信息表,对于(b)中的员工要求不变,对于满足(a)条件员工,它们在某个指标的数值,取偏离它所属公司中满足(b)员工的均值数较小的哪一个,例如:P公司在两张表的交集为{p1},并集扣除交集为{p2,p3,p4},那么如果后者集合的工资均值为1万元,且p1在表1的工资为13000元,在表2的工资为9000元,那么应该最后取9000元作为p1的工资,最后对于没有信息的员工,利用缺失值填充。
【练习二】有2张课程的分数表(分数随机生成),但专业课(学科基础课、专业必修课、专业选修课)与其他课程混在一起,请解决如下问题:
(a)将两张表分别拆分为专业课与非专业课(结果为四张表)。
(b)将两张专业课的分数表和两张非专业课的分数表分别合并。
(c)不使用(a)中的步骤,请直接读取两张表合并后拆分。
(d) 专业课程中有缺失值吗,如果有的话请在完成(3)的同时,用组内(3种类型的专业课)均值填充缺失值后拆分。
参考文章: Pandas教程.