pd学习Task6

连接
这个其实我SQL里面学过，基本上用的SQL里面的会比较多，一共是利用了左连接右连接，里连接和外连接，这里也都有涉及
当然，我们先读取数据再说
牛逼，这里的是文件夹，里面有很多的表 首先得学会如何批量读取

import pandas as pd
import numpy as np

date_range函数是生成一个固定频率的时间索引，其中periods：固定时期，取值为整数或None

for i in date:
    df=pd.read_csv('data/us_report/' + d + '.csv')
df.head()
	Province_State	Country_Region	Last_Update	Lat	Long_	Confirmed	Deaths	Recovered	Active	FIPS	Incident_Rate	Total_Test_Results	People_Hospitalized	Case_Fatality_Ratio	UID	ISO3	Testing_Rate	Hospitalization_Rate
0	Alabama	US	2020-11-17 05:30:30	32.3182	-86.9023	219232	3249	88038.0	127945.0	1.0	4471.216158	1466603.0	NaN	1.481992	84000001	USA	29911.231169	NaN
1	Alaska	US	2020-11-17 05:30:30	61.3707	-152.4044	24399	98	7165.0	17136.0	2.0	3335.269874	872347.0	NaN	0.401656	84000002	USA	119247.209673	NaN
2	American Samoa	US	2020-11-17 05:30:30	-14.2710	-170.1320	0	0	NaN	0.0	60.0	0.000000	1768.0	NaN	NaN	16	ASM	3177.512985	NaN
3	Arizona	US	2020-11-17 05:30:30	33.7298	-111.4312	276912	6302	45737.0	224873.0	4.0	3804.406738	1987781.0	NaN	2.275813	84000004	USA	27309.496990	NaN
4	Arkansas	US	2020-11-17 05:30:30	34.9697	-92.3731	134348	2225	115625.0	16498.0	5.0	4451.846442	1516866.0	

还蛮多的~~~

值连接
这里是根据几列的值进行连接，这里可以进行建立

df1=pd.DataFrame({'name':['zhang san','li si'],
                 'age':[20,30]})
df2=pd.DataFrame({'name':['li si','wang wu'],
                 'gender':['m','f']})
df1.merge(df2,on='name',how="left")

name	age	gender
0	zhang san	20	NaN
1	li si	30	m

这里，总是不记得打，号
如果是信息一样，列名不一样呢？

df1=pd.DataFrame({'name1':['zhang san','li si'],
                 'age':[20,30]})
df2=pd.DataFrame({'name2':['li si','wang wu'],
                 'gender':['m','f']})
df1.merge(df2,left_on='name1',right_on='name2',how="left")
	name1	age	name2	gender
0	zhang san	20	NaN	NaN
1	li si	30	li si	m

这里主义，位置不一样是会报错的，因为要考虑他的连接的是否存在列名
如果是同名不同人呢？

df1=pd.DataFrame({'name':['zhang san','zhang san'],
                 'age':[20,30],
                 'class':["one","two"]})
df2=pd.DataFrame({'name':['zhang san','zhang san'],
                 'gender':['m','f'],
                  'class':["two","one"]})
df1.merge(df2,on=['name','class'],how="left")
	name	age	class	gender
0	zhang san	20	one	f
1	zhang san	30	two	m

如果是不同列名，同名不同人呢？ 哈哈 想不到了

索引连接
本质和上面是一样的

df1 = pd.DataFrame({'Age':[20,30]},: index=pd.Series( ['San Zhang','Si Li'],name='Name'))
df2 = pd.DataFrame({'Gender':['F','M']},
index=pd.Series( ['Si Li','Wu Wang'],name='Name'))
df1.join(df2, how='left')
Age Gender
Name
San Zhang 20 NaN
Si Li 30 F

横向与纵向连接
这个是jion函数

df1 = pd.DataFrame({'Name':['San Zhang','Si Li'],'Age':[20,30]})
df2 = pd.DataFrame({'Name':['Wu Wang'], 'Age':[40]})
pd.concat([df1, df2])
Name	Age
0	San Zhang	20
1	Si Li	30
0	Wu Wang	40
pd.concat([df1, df2],1)
Name	Age	Name	Age
0	San Zhang	20	Wu Wang	40.0
1	Si Li	30	NaN	NaN

大概是这样 0和1和外面的不太一样
也可以在末尾添加，这个和append没哦去吧

s = pd.Series(['Wu Wang', 21], index = df1.columns)
df1.append(s, ignore_index=True)
Name Age
0 San Zhang 20
1 Si Li 21
2 Wu Wang 21

类连接
讲实话，好像也用不到~~~~