Pandas数据预处理（一）

@R星校长

第1关：合并数据

Pandas提供了一套合并数据集操作的方法,本实训主要介绍merge()、concat()和combine_first()实现。

merge()

merge()可根据一个或者多个键将不同的DataFrame连接在一起，类似于SQL数据库中的合并操作。

参数名	说明
left	拼接左侧DataFrame对象
right	拼接右侧DataFrame对象
on	列(名称)连接，必须在左和右DataFrame对象中存在(找到)。
left_on	左侧DataFrame中的列或索引级别用作键，可以是列名、索引级名，也可以是长度等于DataFrame长度的数组。
right_on	右侧DataFrame中的列或索引级别用作键。可以是列名，索引级名称，也可以是长度等于DataFrame长度的数组。
left_index	如果为True，则使用左侧DataFrame中的索引(行标签)作为其连接键。
right_index	与left_index相似
how	它可以等于left, right, outer, inner. 默认inner。inner是取交集，outer取并集。
sort	sort - 按照字典顺序通过连接键对结果DataFrame进行排序。
suffixes	用于追加到重叠列名的末尾。例如，左右两个DataFrame都有‘data’列，则结果中就会出现data_x和data_y
copy	默认总是复制

在一个或多个键上合并两个DataFrame

left = pd.DataFrame({
   
'id':[1,2,3,4,5],
'Name': ['Alex', 'Amy', 'Alice', 'Alice', 'Ayoung'],
'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
   
'id':[1,2,3,4,5],
'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
'subject_id':['sub2','sub4','sub3','sub6','sub5']})
pd.merge(left,right,on="id")
pd.merge(left,right,on=["id","subject_id"])

输出：

  id  Name_x subject_id_x Name_y subject_id_y
0   1    Alex         sub1  Billy         sub2
1   2     Amy         sub2  Brian         sub4
2   3   Alice         sub4   Bran         sub3
3   4   Alice         sub6  Bryce         sub6
4   5  Ayoung         sub5  Betty         sub5
---------------------------------------------
   id  Name_x subject_id Name_y
0   4   Alice       sub6  Bryce
1   5  Ayoung       sub5  Betty

使用“how”参数

如何合并参数指定如何确定哪些键将被包含在结果表中。如果组合键没有出现在左侧或右侧表中，则连接表中的值将为NA。

left = pd.DataFrame({
   
'id':[1,2,3,4,5