pandas学习

coding=utf-8

import pandas as pd

# 创建一个示例 DataFrame
data = {'A': [10, 20, 15, 25, 30],
        'B': [35, 25, 15, 10, 5],
        'C': [5, 10, 20, 15, 25]}

df = pd.DataFrame(data)
for i in df.index:
        row_to_get_max_values = df.iloc[i]
        # 使用 nlargest 获取最大的前五个值
        top_five_values = row_to_get_max_values.nlargest(5)
        # 找到每个最大值所在的列名
        column_names = top_five_values.index
        list = []
        # 输出结果
        for column, value in zip(column_names, top_five_values):
                list.append(column)
                print(f"Column: {column}, Value: {value}")
        print(list)
# # # print('ss')
# import pandas as pd
#
# # 创建示例 DataFrame df1
# data1 = {'ID': [1, 2, 3, 4],
#          'Value1': ['A', 'B', 'C', 'D']}
# df1 = pd.DataFrame(data1)
# print(df1)
# # 创建示例 DataFrame df2
# data2 = {'ID': [1, 2, 3, 4],
#          'Value1': [0, 'Y', 'Z', 'W']}
# df2 = pd.DataFrame(data2)
# print(df2)
# # 使用 merge 函数进行取并集，根据 'ID' 列进行合并
# merged_df = pd.merge(df1, df2, on='ID', how='inner')
#
# # 输出结果
# print(merged_df)
#
# import pandas as pd
# import numpy as np
# #
# # 创建示例 DataFrame df1
# data1 = {'ID': [1, 2, 3, 4],
#          'Value': [10, 20, 30, 40]}
# df1 = pd.DataFrame(data1)
# print(df1)
# # 创建示例 DataFrame df2，包含与 df1 相同的行和列，但元素进行了增量更新
# data2 = {'ID': [1, 2, 3, 4],
#          'Value': [15, 25, np.nan, 45]}
# df2 = pd.DataFrame(data2)
# print(df2)
# # 将 df2 中的元素增量更新到 df1
# df1['Value'] += df2['Value']
#
# # 输出结果
# print(df1)



import pandas as pd
import numpy as np

# 创建示例 DataFrame df1
data1 = {'ID': [1, 2, 3, 4],
         'Value': [10, 20, np.nan, 40]}
df1 = pd.DataFrame(data1)

# 创建示例 DataFrame df2，包含与 df1 相同的行和列，但元素进行了增量更新，且包含 NaN 值
data2 = {'ID': [1, 2, 3, 4],
         'Value': [15, np.nan, 35, 45]}
df2 = pd.DataFrame(data2)

# 创建示例 DataFrame df3，包含与 df1 相同的行和列，但元素进行了增量更新，且包含 NaN 值
data3 = {'ID': [1, 2, 3, 4],
         'Value': [25, 30, 40, np.nan]}
df3 = pd.DataFrame(data3)

# 合并多个 DataFrame，使用 concat 函数
merged_df = pd.concat([df1, df2, df3])
print(merged_df)

# 使用 groupby 和 sum 方法进行增量更新
result_df = merged_df.groupby('ID', as_index=False)['Value'].sum()

# 输出结果
print(result_df)