利用Pthon进行数据分析-数据规划化

1. 数据合并

( 1 ) 内连接, 外连接, 左连接, 右连接, 外连接

1 ) 内连接

       内联接使用比较运算符根据每个表共有的列的值匹配两个表中的行。例如，检索 students和courses表中学生标识号相同的所有行。

2 ) 外连接

( 2 ) DataFrame 合并

使用merge函数进行合并

没有指定要用那个列进行连接,merge就会将列名相同的列当做键. 也可以显示指定

pd.merge(df1, df2, on='key')

如果两个对象的列名不同, 也可以分别进行知道那个

pd.merge(df3, df4, left_on='lkey', right_on='rkey')  

2 ) 连接方式

merge默认情况下是内连接, 结果中的键是交集,其他方式还有 "left", "right" 以及 "outer" . 外连接求取的是键的并集, 组合了左连接和右连接的效果.

指定连接方式:

pd.merge(df1, df2, how='outer')

( 3 ) merge参数

left              参与合并的左侧DataFrame

right           参与合并的右侧DataFrame

how            "inner", "outer", "left", "right" 其中之一, 默认为" inner"

on               用于连接的列名,必须存在左右两个DataFrame对象中. 如果未指定, 且其他连接键也未指定,则以left和right列名的交集作                       为连接键

left_on         左侧DataFrame中用作连接键的列

right_on       右侧DataFrame中用作连接键的列

left_index     将左侧的行索引用作其连接键

right_index   类似于left_index

sort              类似连接键对合并后的数据进行排序, 默认为True. 有时在处理大数据集时, 禁用该选吸纳个可获得更好的性能.

suffixes         字符串值元组, 用于追加到重叠列名的末尾, 默认为('_x','_y"). 例如, 如果左右两个DataFrame对象都有 "data", 则结果中                     就会出现 "data_x" 和 "data_y"

copy            设置为False, 可以在某些特殊情况下避免将数据复制到结果数据结构中. 默认总是复制.