Pandas數(shù)據(jù)分析練習5

練習5-合并

探索虛擬姓名數(shù)據(jù)


步驟1 導入必要的庫

運行以下代碼

import pandas as pd

import numpy as np

步驟2 按照如下的元數(shù)據(jù)內容創(chuàng)建數(shù)據(jù)框

運行以下代碼

raw_data_1 = {

? ? 'subject_id':['1','2','3','4','5'],

? ? 'first_name':['Alex','Amy','Allen','Alice','Ayoung'],

? ? 'last_name':['Anderson','Ackerman','Ali','Aoni','Atiches']}

raw_data_2 = {

? ? 'subject_id':['4','5','6','7','8'],

? ? 'first_name':['Billy','Brian','Bran','Bryce','Betty'],

? ? 'last_name':['Bonder','Black','Balwner','Brice','Btisan']}

raw_data_3 = {

? ? 'subject_id':['1','2','3','4','5','7','8','9','10','11'],

? ? 'test_id':[51,15,15,61,16,14,15,1,61,16]}

步驟3 將上述的數(shù)據(jù)框分別命名為data1, data2, data3

運行以下代碼

data1 = pd.DataFrame(raw_data_1,columns = ['subject_id','first_name','last_name'])

data2 = pd.DataFrame(raw_data_2,columns = ['subject_id','first_name','last_name'])

data3 = pd.DataFrame(raw_data_3,columns = ['subject_id','test_id'])

步驟4 將data1和data2兩個數(shù)據(jù)框按照行的維度進行合并罕袋,命名為all_data

運行以下代碼

all_data = pd.concat([data1,data2])

all_data

輸出結果

步驟5 將data1和data2兩個數(shù)據(jù)框按照列的維度進行合并,命名為all_data_col

運行以下代碼

all_data_col = pd.concat([data1,data2],axis = 1)

all_data_col

輸出結果

步驟6 打印data3

運行以下代碼

data3

輸出結果

步驟7 按照subject_id的值對all_data和data3作合并

運行以下代碼

pd.merge(all_data,data3,on='subject_id')

輸出結果

步驟8 對data1和data2按照subject_id作連接

運行以下代碼

pd.merge(data1,data2,on='subject_id',how='inner')

輸出結果

步驟9 找到?data1?和?data2?合并之后的所有匹配結果

運行以下代碼

pd.merge(data1,data2,on='subject_id',how='outer')

輸出結果

代碼截圖

拓展延伸

#對data1和data2按照subject_id作左連接

pd.merge(data1,data2,on='subject_id',how='left')

#對data1和data2按照subject_id作右連接

pd.merge(data1,data2,on='subject_id',how='right')

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末墓臭,一起剝皮案震驚了整個濱河市汁雷,隨后出現(xiàn)的幾起案子枷邪,更是在濱河造成了極大的恐慌仑鸥,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,651評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件鹰服,死亡現(xiàn)場離奇詭異病瞳,居然都是意外死亡,警方通過查閱死者的電腦和手機悲酷,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,468評論 3 392
  • 文/潘曉璐 我一進店門套菜,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人设易,你說我怎么就攤上這事逗柴。” “怎么了顿肺?”我有些...
    開封第一講書人閱讀 162,931評論 0 353
  • 文/不壞的土叔 我叫張陵戏溺,是天一觀的道長渣蜗。 經(jīng)常有香客問我,道長旷祸,這世上最難降的妖魔是什么耕拷? 我笑而不...
    開封第一講書人閱讀 58,218評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮托享,結果婚禮上骚烧,老公的妹妹穿的比我還像新娘。我一直安慰自己嫌吠,他們只是感情好止潘,可當我...
    茶點故事閱讀 67,234評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著辫诅,像睡著了一般凭戴。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上炕矮,一...
    開封第一講書人閱讀 51,198評論 1 299
  • 那天么夫,我揣著相機與錄音,去河邊找鬼肤视。 笑死档痪,一個胖子當著我的面吹牛,可吹牛的內容都是我干的邢滑。 我是一名探鬼主播腐螟,決...
    沈念sama閱讀 40,084評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼困后!你這毒婦竟也來了乐纸?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 38,926評論 0 274
  • 序言:老撾萬榮一對情侶失蹤摇予,失蹤者是張志新(化名)和其女友劉穎汽绢,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體侧戴,經(jīng)...
    沈念sama閱讀 45,341評論 1 311
  • 正文 獨居荒郊野嶺守林人離奇死亡宁昭,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,563評論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了酗宋。 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积仗。...
    茶點故事閱讀 39,731評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖蜕猫,靈堂內的尸體忽然破棺而出斥扛,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 35,430評論 5 343
  • 正文 年R本政府宣布稀颁,位于F島的核電站芬失,受9級特大地震影響,放射性物質發(fā)生泄漏匾灶。R本人自食惡果不足惜棱烂,卻給世界環(huán)境...
    茶點故事閱讀 41,036評論 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望阶女。 院中可真熱鬧颊糜,春花似錦、人聲如沸秃踩。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,676評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽憔杨。三九已至鸟赫,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間消别,已是汗流浹背抛蚤。 一陣腳步聲響...
    開封第一講書人閱讀 32,829評論 1 269
  • 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. 我叫王不留寻狂,地道東北人岁经。 一個月前我還...
    沈念sama閱讀 47,743評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像蛇券,于是被迫代替她去往敵國和親缀壤。 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 44,629評論 2 354

推薦閱讀更多精彩內容