Pandas中的数据组合与分组

分组

grouby():

# df代表dataframe对象
df.groupby('分组字段').mean(聚合函数)

也可以使用透视表的形式pivot_table:

df.pivot_table(index='索引列',columns='行名' values='进行操作的数据', aggfunc='聚合函数')

数据组合：

concat()：

pandas.concat([df1, df2, df3])       # 把多个df拼接到一切, 默认是追加: 行
# 重置索引
pandas.concat([df1, df2, df3],ignore_index=True) 
# 设置拼接方式columns列拼接 rows行拼接
pandas.concat([df1, df2, df3], axis='columns', ignore_index=True)  
pandas.concat([df1, df2, df3], axis='rows', ignore_index=True)  

append():只拼接一个

df1.append(df2, ignore_index=True)

连接数据：

merge()

# how = left(左外连接) | right(右外连接) | inner(内连接)
df1.merge(df2[['关联字段名']], on='连接字段', how='连接方式')
# 上述函数可以进行三表连接
df1.merge(df2[['关联字段名']], on='连接字段', how='连接方式').merge(df3[['关联字段名']], on='连接字段', how='连接方式')

join():只能做横向链接，根据索引进行连接，默认是左外连接

df1.join(df2, lsuffix='df1', rsuffix='df2', how='连接方式')