微网站建设的第一步是什么 标题,wordpress获取所有标签,wordpress主题自定义,广西建设厅网站在线服务案例 27: 数据合并 - 使用 merge
知识点讲解
在数据处理中#xff0c;经常需要将来自不同来源的数据集合并在一起。Pandas 提供了 merge 函数#xff0c;它类似于 SQL 中的 JOIN 操作#xff0c;可以根据一个或多个键来合并两个 DataFrame。
内连接 (inner): 只合并两个 …案例 27: 数据合并 - 使用 merge
知识点讲解
在数据处理中经常需要将来自不同来源的数据集合并在一起。Pandas 提供了 merge 函数它类似于 SQL 中的 JOIN 操作可以根据一个或多个键来合并两个 DataFrame。
内连接 (inner): 只合并两个 DataFrame 中都有的键。外连接 (outer): 合并两个 DataFrame 中的所有键不存在的值用 NaN 填充。左连接 (left): 保留左边 DataFrame 的所有键。右连接 (right): 保留右边 DataFrame 的所有键。
示例代码
# 准备数据和示例代码的运行结果用于案例 27# 示例数据
data_merging {ID: [1, 2, 3, 4],Name: [Alice, Bob, Charlie, David]
}
df1_merging pd.DataFrame(data_merging)additional_data {ID: [3, 4, 5, 6],Age: [25, 30, 35, 40]
}
df2_merging pd.DataFrame(additional_data)# 合并数据
merged_inner pd.merge(df1_merging, df2_merging, onID, howinner)
merged_outer pd.merge(df1_merging, df2_merging, onID, howouter)
merged_left pd.merge(df1_merging, df2_merging, onID, howleft)
merged_right pd.merge(df1_merging, df2_merging, onID, howright)df1_merging, df2_merging, merged_inner, merged_outer, merged_left, merged_right
在这个示例中我们使用不同的方式合并了两个 DataFrame一个包含 ID 和 Name另一个包含 ID 和 Age。
示例代码运行结果
原始 DataFrame (df1_merging): ID Name
0 1 Alice
1 2 Bob
2 3 Charlie
3 4 David原始 DataFrame (df2_merging): ID Age
0 3 25
1 4 30
2 5 35
3 6 40内连接 (merged_inner): ID Name Age
0 3 Charlie 25
1 4 David 30外连接 (merged_outer): ID Name Age
0 1 Alice NaN
1 2 Bob NaN
2 3 Charlie 25.0
3 4 David 30.0
4 5 NaN 35.0
5 6 NaN 40.0左连接 (merged_left): ID Name Age
0 1 Alice NaN
1 2 Bob NaN
2 3 Charlie 25.0
3 4 David 30.0右连接 (merged_right): ID Name Age
0 3 Charlie 25
1 4 David 30
2 5 NaN 35
3 6 NaN 40这个案例展示了如何使用不同类型的连接来合并数据集这对于数据整合和分析是非常重要的。
