python pandas處理CSV文件并使用join()方法拼接兩個dataframe

本問主要講解如何拼接兩個dataframe

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
df = pd.read_csv('C:/python/plot_learn/nba.csv',encoding='utf-8')
df

輸出為(前5行):

分區(qū)  排名  球隊  勝   負   勝率  勝場差 連續(xù)成績    得分/場    場均失分    差距
0   西區(qū)  1   火箭  49  13  79.0    0.0 15連勝    114.0   105.2   8.8
1   西區(qū)  2   勇士  49  14  77.8    0.5 5連勝 116.1   107.6   8.5
2   西區(qū)  3   開拓者 37  26  58.7    12.5    6連勝 105.2   103.4   1.8
3   西區(qū)  4   森林狼 38  28  57.6    13.0    2連負 109.7   107.0   2.7
4   西區(qū)  5   鵜鶘  35  26  57.4    13.5    7連勝 112.1   111.7   0.4

分別針對“得分/場”和“場均失分”排序稚机,然后使用join方法拼接

df1=df.sort_values(by='得分/場',axis=0,ascending=False)
df2=df.sort_values(by='場均失分',axis=0,ascending=True)
df_score=df1.join(df0)
df_missed=df2.join(df3)

使用df.set_index()方法將‘球隊’列設置為index

df_score.set_index('球隊')
df_missed.set_index('球隊',inplace=True)
#用df.rename()方法修改列名
df_missed.rename(columns={'RankingBy':'RankingBy_M'},inplace=True)
df_score.rename(columns={'RankingBy':'RankingBy_S'},inplace=True)

合并

df_missed_Ranking=df_missed['RankingBy_M']
df_con1=df_score.join(df_missed_Ranking)

df_con1的輸出

    分區(qū)  排名  勝   負   勝率  勝場差 連續(xù)成績    得分/場    場均失分    差距  RankingBy_S RankingBy_M
球隊                                              
勇士  西區(qū)  2   49  14  77.8    0.5 5連勝 116.1   107.6   8.5 0   20
火箭  西區(qū)  1   49  13  79.0    0.0 15連勝    114.0   105.2   8.8 1   11
鵜鶘  西區(qū)  5   35  26  57.4    13.5    7連勝 112.1   111.7   0.4 2   28
猛龍  東區(qū)  1   44  17  72.1    0.0 3連勝 112.1   103.4   8.7 3   5
騎士  東區(qū)  3   36  26  58.1    8.5 2連負 110.0   110.1   -0.1    4   27
森林狼 西區(qū)  4   38  28  57.6    13.0    2連負 109.7   107.0   2.7 5   16
快船  西區(qū)  9   33  28  54.1    15.5    1連勝 108.9   107.8   1.1 6   21
掘金  西區(qū)  8   35  28  55.6    14.5    2連勝 108.7   107.5   1.2 7   19
湖人  西區(qū)  11  28  34  45.2    21.0    5連勝 108.4   110.0   -1.6    8   26
76人 東區(qū)  6   34  27  55.7    10.0    2連勝 107.5   105.4   2.1 9   13
奇才  東區(qū)  4   36  27  57.1    9.0 2連負 107.1   105.5   1.6 10  14
步行者 東區(qū)  5   35  27  56.5    9.5 1連勝 106.7   105.2   1.5 11  10
黃蜂  東區(qū)  10  28  35  44.4    17.0    2連負 106.6   106.7   -0.1    12  15
雷霆  西區(qū)  7   37  28  56.9    13.5    1連負 106.6   103.8   2.8 13  7
魔術  東區(qū)  14  20  43  31.7    25.0    2連勝 105.8   110.0   -4.2    14  25
籃網(wǎng)  東區(qū)  13  20  43  31.7    25.0    2連負 105.6   109.7   -4.1    15  24
開拓者 西區(qū)  3   37  26  58.7    12.5    6連勝 105.2   103.4   1.8 16  4
雄鹿  東區(qū)  7   33  29  53.2    11.5    4連負 104.7   105.3   -0.6    17  12
太陽  西區(qū)  14  19  45  29.7    31.0    1連負 104.5   113.2   -8.7    18  29
凱爾特人    東區(qū)  2   44  20  68.8    1.5 1連負 104.4   100.2   4.2 19  1
尼克斯 東區(qū)  11  24  39  38.1    21.0    3連負 104.2   107.1   -2.9    20  17
老鷹  東區(qū)  15  19  44  30.2    26.0    1連負 103.6   108.2   -4.6    21  22
公牛  東區(qū)  12  21  41  33.9    23.5    1連勝 103.3   109.5   -6.2    22  23
活塞  東區(qū)  9   29  34  46.0    16.0    2連負 103.1   104.0   -0.9    23  8
爵士  西區(qū)  10  33  30  52.4    16.5    2連勝 102.8   101.3   1.5 24  2
馬刺  西區(qū)  6   36  27  57.1    13.5    2連負 102.4   99.4    3.0 25  0
獨行俠 西區(qū)  13  19  44  30.2    30.5    2連負 102.1   104.8   -2.7    26  9
熱火  東區(qū)  8   33  30  52.4    12.0    1連勝 101.4   102.0   -0.6    27  3
國王  西區(qū)  12  19  44  30.2    30.5    1連負 99.2    107.1   -7.9    28  18
灰熊  西區(qū)  15  18  44  29.0    31.0    13連負    98.9    103.6   -4.7    29  6

如上面的輸出可以看出,得分和失分的排名已經(jīng)合并到了同一個表格

?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末碱茁,一起剝皮案震驚了整個濱河市仿贬,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌诅蝶,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,561評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件语盈,死亡現(xiàn)場離奇詭異缰泡,居然都是意外死亡棘钞,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 90,218評論 3 385
  • 文/潘曉璐 我一進店門泼返,熙熙樓的掌柜王于貴愁眉苦臉地迎上來姨拥,“玉大人,你說我怎么就攤上這事叫乌。” “怎么了革屠?”我有些...
    開封第一講書人閱讀 157,162評論 0 348
  • 文/不壞的土叔 我叫張陵排宰,是天一觀的道長额各。 經(jīng)常有香客問我,道長虾啦,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,470評論 1 283
  • 正文 為了忘掉前任蝇闭,我火速辦了婚禮硬毕,結果婚禮上,老公的妹妹穿的比我還像新娘逻悠。我一直安慰自己,他們只是感情好童谒,可當我...
    茶點故事閱讀 65,550評論 6 385
  • 文/花漫 我一把揭開白布饥伊。 她就那樣靜靜地躺著,像睡著了一般愉豺。 火紅的嫁衣襯著肌膚如雪茫因。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,806評論 1 290
  • 那天外盯,我揣著相機與錄音翼雀,去河邊找鬼。 笑死狼渊,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的城须。 我是一名探鬼主播米苹,決...
    沈念sama閱讀 38,951評論 3 407
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼良瞧!你這毒婦竟也來了训唱?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,712評論 0 266
  • 序言:老撾萬榮一對情侶失蹤赞庶,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后歧强,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體誊锭,經(jīng)...
    沈念sama閱讀 44,166評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,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 36,510評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了温治。 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戒悠。...
    茶點故事閱讀 38,643評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖卤恳,靈堂內(nèi)的尸體忽然破棺而出寒矿,到底是詐尸還是另有隱情,我是刑警寧澤符相,帶...
    沈念sama閱讀 34,306評論 4 330
  • 正文 年R本政府宣布啊终,位于F島的核電站,受9級特大地震影響蓝牲,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜昔期,卻給世界環(huán)境...
    茶點故事閱讀 39,930評論 3 313
  • 文/蒙蒙 一肄渗、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧翎嫡,春花似錦、人聲如沸具伍。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,745評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽萤厅。三九已至,卻和暖如春惕味,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背疟羹。 一陣腳步聲響...
    開封第一講書人閱讀 31,983評論 1 266
  • 我被黑心中介騙來泰國打工禀倔, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人愧杯。 一個月前我還...
    沈念sama閱讀 46,351評論 2 360
  • 正文 我出身青樓捎谨,卻偏偏與公主長得像,于是被迫代替她去往敵國和親畏邢。 傳聞我的和親對象是個殘疾皇子检吆,可洞房花燭夜當晚...
    茶點故事閱讀 43,509評論 2 348

推薦閱讀更多精彩內(nèi)容