pandas_合并數(shù)據(jù)集

????????一次任務扛点,老大要求我將數(shù)據(jù)里面的想要的幾列抽取出來繪制成一個新的表格給他。之前么有接觸過pandas想著基本的python庫應該可以實現(xiàn)csv文件的列讀取吧岂丘,頭鐵秉著僅通過import csv來實現(xiàn)按照列讀取的思維方式陵究,從下午五點一直修改到晚上十點后面老大實在催的急了放棄了老老實實花了半個小時用行讀寫來實現(xiàn)。

? ? ? ? 第二天越想越不服奥帘,這么方便的一個編程軟件在列讀寫上怎么可能沒有一條簡單的出路畔乙,在翻閱了大部分前輩的筆記之后發(fā)現(xiàn)其實導入一個簡單的pandas庫就可以實現(xiàn)了。然后花了一早上將一些暫時用的上的功能整理了一下翩概,興致勃勃的將昨晚的那個腳本又寫了一邊發(fā)給老大,然后老大回復:這里的電腦沒有pandas模塊返咱,以后盡量少用= =钥庇。

? ? ? ? 奈何我頭鐵:

from pandas import DataFrame,Series

import pandas as pd

'''

CSV讀寫

import pandas as pd

from pandas import Series,DataFrame

df=pd.read_csv('c.csv')

print df

df.to_csv('d.csv',index=False,header=True) #col=['','',''] 寫入哪幾列

'''

df1=DataFrame({'key':['b','b','a','c','a','a','b'],

????????????????????????????????'data1':range(7)})

df2=DataFrame({'key':['a','b','d'],

????????????????????????????????'data2':range(3)})

print df1

print df2

#對多個匹配on=['','','']

print pd.merge(df1,df2,on='key') #將df1跟df2根據(jù)key拼接起來,行數(shù)為交集,‘c'的數(shù)據(jù)消失咖摹,默認為inner

print pd.merge(df1,df2,on='key',how='outer')#并集评姨,對不上的顯示NaN,行數(shù)等于兩者并集

print pd.merge(df1,df2,on='key',how='left')#以左邊為主萤晴,左邊多少行輸出多少吐句,右邊對應沒有為NaN

print pd.merge(df1,df2,on='key',how='right')#以右邊為主,右邊多少行輸出多少店读,左邊對應沒有為NaN嗦枢,順序不變

print pd.merge(df1,df2,on='key',how='inner') #將df1跟df2根據(jù)key拼接起來,行數(shù)為交集,‘c'的數(shù)據(jù)消失

df3=DataFrame({'key':['b','b','a','c','a','a','b'],

'data':range(7)})

df4=DataFrame({'key':['a','b','d'],

'data':range(3)})

print pd.merge(df3,df4,on='key',how='outer',suffixes=('_left','_right')) #名字重復的數(shù)據(jù)用suffixes在名字后面加點東西

#其中merge中的參數(shù):

#left_on='(左邊用作連接鍵的列)'

#right_on='(右邊用作連接鍵的列)'

#left_index=True 左邊行索引當作連接鍵的列

#right_index=True 右邊行索引當作連接鍵的列

#當多個列表進行連接的時候

df1.join([df2,df3],how='outer',on='key')

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末屯断,一起剝皮案震驚了整個濱河市文虏,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌殖演,老刑警劉巖氧秘,帶你破解...
    沈念sama閱讀 223,126評論 6 520
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異趴久,居然都是意外死亡丸相,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,421評論 3 400
  • 文/潘曉璐 我一進店門彼棍,熙熙樓的掌柜王于貴愁眉苦臉地迎上來灭忠,“玉大人膳算,你說我怎么就攤上這事「瑁” “怎么了畦幢?”我有些...
    開封第一講書人閱讀 169,941評論 0 366
  • 文/不壞的土叔 我叫張陵,是天一觀的道長缆蝉。 經(jīng)常有香客問我宇葱,道長,這世上最難降的妖魔是什么刊头? 我笑而不...
    開封第一講書人閱讀 60,294評論 1 300
  • 正文 為了忘掉前任黍瞧,我火速辦了婚禮上忍,結(jié)果婚禮上拜轨,老公的妹妹穿的比我還像新娘。我一直安慰自己订歪,他們只是感情好穿肄,可當我...
    茶點故事閱讀 69,295評論 6 398
  • 文/花漫 我一把揭開白布年局。 她就那樣靜靜地躺著,像睡著了一般咸产。 火紅的嫁衣襯著肌膚如雪矢否。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,874評論 1 314
  • 那天脑溢,我揣著相機與錄音僵朗,去河邊找鬼。 笑死屑彻,一個胖子當著我的面吹牛验庙,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播社牲,決...
    沈念sama閱讀 41,285評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼粪薛,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了搏恤?” 一聲冷哼從身側(cè)響起汗菜,我...
    開封第一講書人閱讀 40,249評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎挑社,沒想到半個月后陨界,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,760評論 1 321
  • 正文 獨居荒郊野嶺守林人離奇死亡痛阻,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,840評論 3 343
  • 正文 我和宋清朗相戀三年菌瘪,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,973評論 1 354
  • 序言:一個原本活蹦亂跳的男人離奇死亡俏扩,死狀恐怖糜工,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情录淡,我是刑警寧澤捌木,帶...
    沈念sama閱讀 36,631評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站嫉戚,受9級特大地震影響刨裆,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜彬檀,卻給世界環(huán)境...
    茶點故事閱讀 42,315評論 3 336
  • 文/蒙蒙 一帆啃、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧窍帝,春花似錦努潘、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,797評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至深浮,卻和暖如春压怠,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背略号。 一陣腳步聲響...
    開封第一講書人閱讀 33,926評論 1 275
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留洋闽,地道東北人玄柠。 一個月前我還...
    沈念sama閱讀 49,431評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像诫舅,于是被迫代替她去往敵國和親羽利。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 45,982評論 2 361