第二章:数据重构
2.4 数据的合并
2.4.1 任务一:将data文件夹里面的所有数据都载入,观察数据的之间的关系
import numpy as np
import pandas as pd
text_left_up = pd.read_csv(r'C:\Users\Administrator\jupytercode\datawhale\data\第二章项目集合\train-left-up.csv')
text_left_down = pd.read_csv(r'C:\Users\Administrator\jupytercode\datawhale\data\第二章项目集合\train-left-down.csv')
text_right_up = pd.read_csv(r'C:\Users\Administrator\jupytercode\datawhale\data\第二章项目集合\train-right-up.csv')
text_right_down = pd.read_csv(r'C:\Users\Administrator\jupytercode\datawhale\data\第二章项目集合\train-right-down.csv')
text_left_up.head()
text_left_down.head()
text_right_up.head()
text_right_down.head()
2.4.2:任务二:使用concat方法:将数据train-left-up.csv和train-right-up.csv横向合并为一张表,并保存这张表为result_up
pd.concat([df1, df2], axis= ‘ ');axis=0,纵向拼接(默认);axis=1,横向拼接;
result_up = pd.concat([text_left_up,text_right_up],axis=0)
result_up
result_up = pd.concat([text_left_up,text_right_up],axis=1)
result_up.head()
2.4.3 任务三:使用concat方法:将train-left-down和train-right-down横向合并为一张表,并保存这张表为result_down。然后将上边的result_up和result_down纵向合并为result
result_down = pd.concat([text_left_down,text_right_down],axis=1)
result_down.head()
纵向合并为result
result = pd.concat([result_up,result_down])
result.head()
2.4.4 任务四:使用DataFrame自带的方法join方法和append:完成任务二和任务三的任务
resul_up = text_left_up.join(text_right_up)
result_down = text_left_down.join(text_right_down)
result = result_up.append(result_down)
result.head()
2.4.5 任务五:使用Panads的merge方法和DataFrame的append方法:完成任务二和任务三的任务
result_up = pd.merge(text_left_up,text_right_up,left_index=True,right_index=True)
result_down = pd.merge(text_left_down,text_right_down,left_index=True,right_index=True)
result = resul_up.append(result_down)
result.head()
【思考】对比merge、join以及concat的方法的不同以及相同。思考一下在任务四和任务五的情况下,为什么都要求使用DataFrame的append方法,如何只要求使用merge或者join可不可以完成任务四和任务五呢?(待后续思考补充)
2.4.6 任务六:完成的数据保存为result.csv
result.to_csv('result.csv')
2.5 换一种角度看数据
2.5.1 任务一:将我们的数据变为Series类型的数据
参考资料:《python for data analysis》 、《Joyful-Pandas》
备注:本人为新手学习,基础和理论知识薄弱,笔记主要为自己记录自己的学习过程,方便后期自己多次复现和思考,期间存在许多问题,请大家指正。