成人国产在线小视频_日韩寡妇人妻调教在线播放_色成人www永久在线观看_2018国产精品久久_亚洲欧美高清在线30p_亚洲少妇综合一区_黄色在线播放国产_亚洲另类技巧小说校园_国产主播xx日韩_a级毛片在线免费

資訊專欄INFORMATION COLUMN

數(shù)據(jù)科學(xué) 第 3 章： 7-8 合并、連接數(shù)據(jù)集

IntMain / 2502人閱讀

摘要：第章合并連接數(shù)據(jù)集包含三個(gè)函數(shù)省略，在頁(yè)。沒(méi)有對(duì)默認(rèn)合并兩個(gè)表的所有列，如果有列，有列，則結(jié)果為列多對(duì)保留多條記錄多對(duì)多會(huì)交叉每一條記錄通過(guò)參數(shù)設(shè)定連接方式兩個(gè)表都有兩個(gè)字段，則通過(guò)連接兩個(gè)表。

第3章 7-8：合并、連接數(shù)據(jù)集

包含三個(gè)函數(shù)：
numpy：concatenate 省略，在126頁(yè)。
pandas：concat/ append(略過(guò)) /merge

主要是講merge函數(shù)的參數(shù)：pd.merge(right, how="inner", on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=("_x", "_y"), copy=True, indicator=False, validate=None) pd.merge 官方文檔

concat:

如果a,b是兩個(gè)字段名稱相同的dataframe，就像原來(lái)的一部、二部各有存放業(yè)績(jī)的兩個(gè)表，在sql中可以用join連接，而pandas中用concat連接（注意有中括號(hào)）

pd.concat([yibu,erbu]) #yibu，erbu是兩個(gè)dataframe

如果兩個(gè)表的字段名不完全相同，會(huì)自動(dòng)填充沒(méi)有的字段，如下：

如果只想保留都有的字段，則在參數(shù)中指定為inner

如果想保留df5的字段名（即不要df6中的D列，可以在join_axes中設(shè)定
pd.concat([df5,df6], join_axes = [df5.columns])

merge：數(shù)據(jù)合并

分為1對(duì)1，1對(duì)多，多對(duì)多。
（merge沒(méi)有[ ]）

-- 1對(duì)1： 
pd.merge(df1,df2)   #默認(rèn)合并兩個(gè)表的所有列，如果df1有a,b列，df2有b,c列，則結(jié)果為a,b,c列
-- 多對(duì)1：保留多條記錄

-- 多對(duì)多：會(huì)交叉每一條記錄

通過(guò)參數(shù) on 設(shè)定連接方式：
df1: employee, group
df2: employee, hire_data
兩個(gè)表都有employee兩個(gè)字段，則通過(guò)employee連接兩個(gè)表。

pd.merge(df1,df2,on = "employee")

df3: name, salary
df1與 df3沒(méi)有相同的字段，但是df3中的name和df1中的employee字段內(nèi)容相同，都是姓名，所有可以通過(guò)left_on，right_on設(shè)定左右兩個(gè)表的關(guān)聯(lián)字段，實(shí)現(xiàn)連接。

pd.merge(df1,df3, left_on = "employee", right_on = "name")
# name和employee的字段內(nèi)容相同，可刪除name保留一列：
pd.merge(df1,df3, left_on = "employee", right_on = "name").drop("name",axis =1)
通過(guò)索引連接，這部分略講：

假如df1,df2中的index均為employee列，則連接方法如下：

pd.merge(df1,df2, left_index = True, right_index=True)
# 也可以用join連接
df1.join(df2)

如果df1的empolyee為索引，df2沒(méi)有設(shè)置索引，則連接的代碼為： 134頁(yè)
pd.merge(df1, df2, left_index =True, right_on="name")

merge：數(shù)據(jù)連接

-- 參數(shù) how：連接方式
這里主要是用merge里面的參數(shù)how，how參數(shù)有4種方式：
inner：內(nèi)連接，保留兩個(gè)表相同的行
outer：外連接，保留兩個(gè)表所有的行
left：左連接，以左表為準(zhǔn)，保留左表所有的行，右表匹配左表的結(jié)果
right：右連接，以右表為準(zhǔn)，*

pd.merge(df6,df7, how = "inner")

-- 參數(shù) suffixes：自定義后綴名
如果兩個(gè)表的字段名相同，但對(duì)于的值不同，想保留兩個(gè)表不同的值，可以設(shè)定參數(shù)suffixes

pd.merge(df8,df9, on = "name", suffixes = ["_L","_R"])

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/44975.html

相關(guān)文章

  • 數(shù)據(jù)科學(xué) 第 3 章 4：連接mysql、改類型、索引應(yīng)用

    今天開(kāi)始學(xué)習(xí)《數(shù)據(jù)科學(xué)手冊(cè)》，主要學(xué)習(xí)3-5章，其他的選修。 -- 先連接數(shù)據(jù)庫(kù)加載數(shù)據(jù)： 用sqlalchemy 的create_engine連接： 注意：代碼里mysql+pymysql: 這部分不能加空格，否則會(huì)報(bào)錯(cuò) import pymysql import pandas as pd from sqlalchemy import create_engine sql = select...

    yuxue 評(píng)論0 收藏0

  • 【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】Python # 數(shù)據(jù)分析基本操作[四] 數(shù)據(jù)規(guī)整化和數(shù)據(jù)聚合與分組運(yùn)算

    摘要：數(shù)據(jù)規(guī)整化清理轉(zhuǎn)換合并重塑數(shù)據(jù)聚合與分組運(yùn)算數(shù)據(jù)規(guī)整化清理轉(zhuǎn)換合并重塑合并數(shù)據(jù)集可根據(jù)一個(gè)或多個(gè)鍵將不同中的行鏈接起來(lái)。函數(shù)根據(jù)樣本分位數(shù)對(duì)數(shù)據(jù)進(jìn)行面元?jiǎng)澐帧Ｗ值浠?，給出待分組軸上的值與分組名之間的對(duì)應(yīng)關(guān)系。 本篇內(nèi)容為整理《利用Python進(jìn)行數(shù)據(jù)分析》，博主使用代碼為 Python3，部分內(nèi)容和書(shū)本有出入。 在前幾篇中我們介紹了 NumPy、pandas、matplotlib 三個(gè)...

    The question 評(píng)論0 收藏0

  • 數(shù)據(jù)科學(xué) 第 5 章 主成分分析（降維）、相關(guān)性

    摘要：主成分分析就是降維，通過(guò)線性組合，把多個(gè)原始變量合并成若干個(gè)主成分，這樣每個(gè)主成分都變成原始變量的線性組合。相關(guān)系數(shù)系數(shù)為為為。從結(jié)果看，這個(gè)數(shù)據(jù)可能不太適合用來(lái)分析，因?yàn)榻档骄S后的代筆性不足。 這兩天用學(xué)了主成分分析，用的是PCA。主成分分析就是降維，通過(guò)線性組合，把多個(gè)原始變量合并成若干個(gè)主成分，這樣每個(gè)主成分都變成原始變量的線性組合。所以你想看具體哪個(gè)特征對(duì)結(jié)果的影響大，通過(guò)PC...

    ixlei 評(píng)論0 收藏0

  • ApacheCN 人工智能知識(shí)樹(shù) v1.0

    摘要：貢獻(xiàn)者飛龍版本最近總是有人問(wèn)我，把這些資料看完一遍要用多長(zhǎng)時(shí)間，如果你一本書(shū)一本書(shū)看的話，的確要用很長(zhǎng)時(shí)間。為了方便大家，我就把每本書(shū)的章節(jié)拆開(kāi)，再按照知識(shí)點(diǎn)合并，手動(dòng)整理了這個(gè)知識(shí)樹(shù)。 Special Sponsors showImg(https://segmentfault.com/img/remote/1460000018907426?w=1760&h=200); 貢獻(xiàn)者：飛龍版...

    劉厚水 評(píng)論0 收藏0

  • 數(shù)據(jù)科學(xué) 第 3 章 10 數(shù)據(jù)透視表

    摘要：官方文檔連接像其他函數(shù)一樣，官方文檔中的參數(shù)有很多，具體如下寫(xiě)在前面，如果要對(duì)透視表中的字段進(jìn)行計(jì)數(shù)，有時(shí)候用會(huì)報(bào)錯(cuò)，可以用實(shí)例運(yùn)用簡(jiǎn)單版透視表上面以部門(mén)為索引，下面有二級(jí)索引，部門(mén)小組。 本節(jié)學(xué)習(xí)數(shù)據(jù)透視表 引用激勵(lì)數(shù)據(jù)，連接數(shù)據(jù)庫(kù)jili表，jili這幾個(gè)太難打了，下文用df代表激勵(lì)數(shù)據(jù)（代碼省略）之前在excel中用爛了的透視表，終于用python來(lái)實(shí)現(xiàn)了，其實(shí)主要是講pivot...

    lily_wang 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<