一、append和assign
append方法
主要用于添加行
利用Series添加
df_append = df.loc[:3,['Gender','Height']].copy()
Gender Height
0 M 173
1 F 192
2 M 186
3 F 167
s=pd.Series({'Gender':'F','Height':188},name='4')
print(df_append.append(s))
Gender Height
0 M 173
1 F 192
2 M 186
3 F 167
4 F 188
利用Dataframe添加
df_temp = pd.DataFrame({'Gender':['F','M'],'Height':[188,176]},index=['4','5'])
print(df_append.append(df_temp))
Gender Height
0 M 173
1 F 192
2 M 186
3 F 167
4 F 188
5 M 176
assign方法
主要用于添加列,列名由assign中的参数指定
添加单列
s = pd.Series(list('abcd'),index=range(4))
print(df_append.assign(Letter=s))
Gender Height Letter
0 M 173 a
1 F 192 b
2 M 186 c
3 F 167 d
添加多列
df_append.assign(col1=lambda x:x['Gender']*2,col2=lambda x:x['Height']*2)
Gender Height col1 col2
0 M 173 MM 346
1 F 192 FF 384
2 M 186 MM 372
3 F 167 FF 334
二、combine与update
combine方法
主要用于填充
填充对象
按照表的顺序逐列循环,自动索引对齐,缺失值为NaN
df_combine_1 = df.loc[:1,['Gender','Height']].copy()
df_combine_2 = df.loc[10:11,['Gender','Height']].copy()
df_combine_1.combine(df_combine_2,lambda x,y:print(x,'\n',y))
0 M
1 F
10 NaN
11 NaN
Name: Gender, dtype: object
0 NaN
1 NaN
10 M
11 F
Name: Gender, dtype: object
0 173.0
1 192.0
10 NaN
11 NaN
Name: Height, dtype: float64
0 NaN
1 NaN
10 161.0
11 175.0
Name: Height, dtype: float64
Gender Height
0 NaN NaN
1 NaN NaN
10 NaN NaN
11 NaN NaN
根据大小填充
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [8, 7], 'B': [6, 5]})
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y)
A B
0 8 6
1 7 5
索引对齐特性
df2 = pd.DataFrame({'B': [8, 7], 'C': [6, 5]},index=[1,2])
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
print(df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y))
A B C
0 NaN NaN NaN
1 NaN 8.0 6.0
2 NaN 7.0 5.0
使df1的值不被覆盖
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y,overwrite=False)
A B C
0 1.0 NaN NaN
1 2.0 8.0 6.0
2 NaN 7.0 5.0
NaN处用其他值填充
df1.combine(df2,lambda x,y:x if x.mean()>y.mean() else y,fill_value=-1)
A B C
0 1.0 -1.0 -1.0
1 2.0 8.0 6.0
2 -1.0 7.0 5.0
combine_first方法
用df2填补df1的缺失值
df1 = pd.DataFrame({'A': [None, 0], 'B': [None, 4]})
df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
df1.combine_first(df2)
A B
0 1.0 3.0
1 0.0 4.0
update方法
返回的框索引只会与被调用框的一致(默认使用左连接)
第二个框中的NaN不起作用
没有返回值,直接在df上操作
索引对齐
df1 = pd.DataFrame({'A': [1, 2, 3],'B': [400, 500, 600]})
df2 = pd.DataFrame({'B': [4, 5, 6],'C': [7, 8, 9]})
df1.update(df2)
print(df1)
A B
0 1 4
1 2 5
2 3 6
部分填充
df1 = pd.DataFrame({'A': ['a', 'b', 'c'],'B': ['x', 'y', 'z']})
df2 = pd.DataFrame({'B': ['d', 'e']}, index=[1,2])
df1.update(df2)
print(df1)
A B
0 a x
1 b d
2 c e
缺失值不填充
df1 = pd.DataFrame({'A': [1, 2, 3],'B': [400, 500, 600]})
df2 = pd.DataFrame({'B': [4, np.nan, 6]})
df1.update(df2)
df1
A B
0 1 4.0
1 2 500.0
2 3 6.0
三、contact方法
可以在两个维度上拼接,默认纵向拼接(axis=0),拼接方式为外连接
axis=0
df1 = pd.DataFrame({'A': ['A0', 'A1'],'B': ['B0', 'B1']},index = [0,1])
df2 = pd.DataFrame({'A': ['A2', 'A3'],'B': ['B2', 'B3']},index = [2,3])
pd.concat([df1,df2])
A B
0 A0 B0
1 A1 B1
2 A2 B2
3 A3 B3
axis=1
按列方向拼接
pd.concat([df1,df2],axis=1)
A B A B
0 A0 B0 NaN NaN
1 A1 B1 NaN NaN
2 NaN NaN A2 B2
3 NaN NaN A3 B3
join
设置为内连接,取交集
df3 = pd.DataFrame({'A': ['A1', 'A3'],'D': ['D1', 'D3'],'E': ['E1', 'E3']},index = [1,3])
pd.concat([df3,df1],join='inner')
A
0 A0
1 A1
1 A1
3 A3
verify_integrity检列是否唯⼀
四、merge与join
merge
将两个pandas对象横向合并,遇到重复的索引项使用笛卡尔积。默认内连接,可选left、outer、right连接。merge还有一个‘on’参数可以指定某一个对象为key进行连接。
基本连接
left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
right2 = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3']})
pd.merge(left, right, on='key1')
key1 key2_x A B key2_y C D
0 K0 K0 A0 B0 K0 C0 D0
1 K0 K1 A1 B1 K0 C0 D0
2 K1 K0 A2 B2 K0 C1 D1
3 K1 K0 A2 B2 K0 C2 D2
4 K2 K1 A3 B3 K0 C3 D3
多组建
内连接,取交集
pd.merge(left, right, on=['key1','key2'])
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K1 K0 A2 B2 C1 D1
2 K1 K0 A2 B2 C2 D2
how=outer
pd.merge(left, right, how='outer', on=['key1','key2'])
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K0 K1 A1 B1 NaN NaN
2 K1 K0 A2 B2 C1 D1
3 K1 K0 A2 B2 C2 D2
4 K2 K1 A3 B3 NaN NaN
5 K2 K0 NaN NaN C3 D3
左连接
how=left
pd.merge(left, right, how='left', on=['key1', 'key2'])
key1 key2 A B C D
0 K0 K0 A0 B0 C0 D0
1 K0 K1 A1 B1 NaN NaN
2 K1 K0 A2 B2 C1 D1
3 K1 K0 A2 B2 C2 D2
4 K2 K1 A3 B3 NaN NaN
join
将多个pandas对象横向合并,遇到重复的索引项使用笛卡尔积。默认左连接,可选left、outer、right连接。
基本链接
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=['K0', 'K1', 'K2'])
right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
'D': ['D0', 'D2', 'D3']},
index=['K0', 'K2', 'K3'])
left.join(right)
A B C D
K0 A0 B0 C0 D0
K1 A1 B1 NaN NaN
K2 A2 B2 C2 D2
对于many_to_one模式下的合并,往往join更为方便
left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'key': ['K0', 'K1', 'K0', 'K1']})
right = pd.DataFrame({'C': ['C0', 'C1'],
'D': ['D0', 'D1']},
index=['K0', 'K1'])
left.join(right, on='key')
A B key C D
0 A0 B0 K0 C0 D0
1 A1 B1 K1 C1 D1
2 A2 B2 K0 C0 D0
3 A3 B3 K1 C1 D1
多个key
left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1']})
index = pd.MultiIndex.from_tuples([('K0', 'K0'), ('K1', 'K0'),
('K2', 'K0'), ('K2', 'K1')],names=['key1','key2'])
right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']},
index=index)
left.join(right, on=['key1','key2'])
A B key1 key2 C D
0 A0 B0 K0 K0 C0 D0
1 A1 B1 K0 K1 NaN NaN
2 A2 B2 K1 K0 C1 D1
3 A3 B3 K2 K1 C3 D3
练习
a
df1 = pd.read_csv('data/Course1.csv')
df2 = pd.read_csv('data/Course2.csv')
df11= df1.query('课程类别 in ["学科基础课","专业必修课","专业选修课"]')
df12= df1.query('课程类别 not in ["学科基础课","专业必修课","专业选修课"]')
df21= df2.query('课程类别 in ["学科基础课","专业必修课","专业选修课"]')
df22= df2.query('课程类别 not in ["学科基础课","专业必修课","专业选修课"]')
df11
课程名字 课程类别 学分 分数
6 数据结构与算法 学科基础课 5 82.0
12 高等数学(二) 学科基础课 4 92.0
15 离散数学 学科基础课 4 82.0
17 程序设计 学科基础课 4 84.0
19 线性代数 学科基础课 3 97.0
b
major=pd.concat([df11,df21])
common=pd.concat([df12,df22])
major.head()
课程名字 课程类别 学分 分数
1 云计算应用与开发 专业选修课 3 96.0
2 社会计算 专业选修课 3 78.0
3 深度学习 专业选修课 3 75.0
4 人工智能导论 专业必修课 3 84.0
6 数据结构与算法 学科基础课 5 82.0
c
df = pd.concat([df1,df2])
major2 = df.query('课程类别 in ["学科基础课","专业必修课","专业选修课"]')
common2 = df.query('课程类别 not in ["学科基础课","专业必修课","专业选修课"]')
print((major.equals(major2),common.equals(common2)))
(True, True)
d
df.isnull().all()
课程名字 False
课程类别 False
学分 False
分数 False
dtype: bool