一、前言
本篇思维导图旨在帮助读者快速了解和掌握Pandas的基本概念、常用功能和操作技巧。通过这张思维导图,您将能够更加系统地学习和应用Pandas,提升数据处理的效率和质量。
本篇是Pandas系列的最后一篇思维导图了,PDF和相关的代码已经导入到博客的资源里,有需要的朋友可自行前往下载,有话不多说,直接开始!
本文创作不易,请各位大佬们动动你们的宝贵的小手指,点赞+收藏+关注!谢谢!
二、思维导图
Pandas【三】
- 数据合并
- merge()方法
- pd.merge( right , how=’inner’ , on=None , left_index , right_index )
- right:合并对象,DataFrame或Series
- how:合并类型,参数值可以是left,right,outer或inner
- left:以第一个表为参考
- right:以最后一个表为参考
- outer:两表合并--全部数据(并集)
- inner:两表共同拥有的(交集)
- on:依据什么指标进行合并
- 通过某列指标进行合并
- 例:pd.merge(df1,df2,how=’left’,on='A')
- # on是以A列的值进行合并
- # df1和df2是right
- # on是以A列的值进行合并
- 例:pd.merge(df1,df2,how=’left’,on='A')
- 通过索引列进行合并
- 例:pd.merge(df1,df2,left_index=True,right_index=True)
- # 根据df1表和df2表的相同索引值进行合并
- 例:pd.merge(df1,df2,left_index=True,right_index=True)
- 一对一合并
- 多对一合并
- 多对多合并
- 后两个合并:皆注意看合并指标那列(on)的值,观察区别
- 多对多合并
- 多对一合并
- pd.merge( right , how=’inner’ , on=None , left_index , right_index )
- concat()方法
- pd.concat(objs , axis , join=’outer’, ignore_index=False , keys=None)
- objs:Series、DataFrame的对象等
- join:值为inner(交集)或outer(联合),默认为outer
- ignore_index:默认为False,
- pd.concat(objs , axis , join=’outer’, ignore_index=False , keys=None)
- merge()方法