建站
咨詢
售后
建站咨詢
新聞中心
初學(xué)Python編程的人，面臨的是各種未知的挑戰(zhàn)。
下面是一個(gè)幾乎讓所有更有抱負(fù)的數(shù)據(jù)科學(xué)家都感到意外的場景：
你正在處理一個(gè)從多個(gè)源收集數(shù)據(jù)的項(xiàng)目。在進(jìn)入探索和模型構(gòu)建部分之前，你需要首先連接這些多個(gè)數(shù)據(jù)集(以表、數(shù)據(jù)幀等形式)。怎么能做到這一點(diǎn)而不丟失任何信息?
這聽起來可能是一個(gè)簡單的場景，但對于許多新來的人來說，這可能是一個(gè)威脅，特別是那些不熟悉Python編程的人。
進(jìn)一步深入研究，我可以大致將其分為兩種情況：
- 首先，具有相似屬性的數(shù)據(jù)可以分布到多個(gè)文件中。例如，假設(shè)向你提供了多個(gè)文件，每個(gè)文件都存儲一年中某一周內(nèi)發(fā)生的銷售信息。因此，全年將有52個(gè)文件。每個(gè)文件的列數(shù)和名稱都相同。
- 其次，你可能需要合并來自多個(gè)來源的信息。例如，假設(shè)你想獲得購買產(chǎn)品的人的聯(lián)系信息。這里有兩個(gè)文件，第一個(gè)有銷售信息，第二個(gè)有客戶信息。
理解手頭的問題
本文列舉一個(gè)通俗易懂的例子。
想一下在一個(gè)特定的學(xué)校里考試。每個(gè)科目都有不同的老師授課。他們更新關(guān)于學(xué)生成績和整體表現(xiàn)的檔案。這些檔案就是多個(gè)文件!
本文使用創(chuàng)建的兩個(gè)這樣的文件來演示Python中函數(shù)的工作。第一個(gè)文件包含關(guān)于12班學(xué)生的數(shù)據(jù)，另一個(gè)文件包含10班的數(shù)據(jù)。還將使用第三個(gè)文件來存儲學(xué)生的姓名和學(xué)生ID。
注意：雖然這些數(shù)據(jù)集是從零開始創(chuàng)建的，但鼓勵(lì)將所學(xué)應(yīng)用于選擇的數(shù)據(jù)集。
在Python中逐步合并數(shù)據(jù)幀的過程
下面是解決這個(gè)問題的方法：
- 用Python加載數(shù)據(jù)集
- 合并兩個(gè)相似的數(shù)據(jù)幀(append)
- 合并來自兩個(gè)數(shù)據(jù)幀的信息(merge)
步驟1：用Python加載數(shù)據(jù)集
本文將使用三個(gè)獨(dú)立的數(shù)據(jù)集。首先，將這些文件加載到單獨(dú)的數(shù)據(jù)幀中。
- import pandas as pd
- marks10th=pd.read_csv('10thClassMarks.csv')
- marks12th=pd.read_csv('12thClassMarks.csv')
- IDandName=pd.read_csv('StudentIDandName.csv')
前兩個(gè)數(shù)據(jù)框包含學(xué)生的百分比及其學(xué)生ID。在第一個(gè)數(shù)據(jù)框中，有10班學(xué)生的分?jǐn)?shù)，而第二個(gè)數(shù)據(jù)框包含第12個(gè)標(biāo)準(zhǔn)中學(xué)生的分?jǐn)?shù)。第三個(gè)數(shù)據(jù)框包含學(xué)生的姓名以及各自的學(xué)生ID。
來源：btime
使用“head”函數(shù)檢查每個(gè)數(shù)據(jù)幀的前幾行：
- marks10th.head()
- marks12th.head()
- IDandName.head()
步驟2：合并兩個(gè)相似的數(shù)據(jù)幀(Append)
把10、12班的檔案合并起來，找出學(xué)生的平均分。這里使用Pandas庫中的“append”函數(shù)：
- allMarks=marks10th.append(marks12th)
- marks10th.shape, marks12th.shape, allMarks.shape
輸出((50,3),(50,3),(100,3))
從輸出中可以看到，在append函數(shù)中垂直添加兩個(gè)數(shù)據(jù)幀。
結(jié)果數(shù)據(jù)幀是allMarks。上面比較了所有三個(gè)數(shù)據(jù)幀的形狀。
接下來看看“allMarks”的內(nèi)容并計(jì)算平均值：
- allMarks['Exam Points'].mean() #Average Marks
輸出:49.74
步驟3：合并來自兩個(gè)數(shù)據(jù)幀的信息(Merge)
現(xiàn)在，假設(shè)想找出在這兩個(gè)批次中排名第一的學(xué)生的名字。這里不需要垂直添加數(shù)據(jù)幀。為了給學(xué)生的名字再加一列，我們將不得不水平縮放。
要做到這一點(diǎn)，我們會發(fā)現(xiàn)最高得分：
- allMarks['Exam Points'].max() # Maximum Marks
輸出:100
學(xué)生的最高成績是100分?，F(xiàn)在，使用“merge”函數(shù)查找此學(xué)生的姓名：
- mergedData=allMarks.merge(IDandName, on='student id')
- mergedData.head()
最后，生成的數(shù)據(jù)框有學(xué)生的名字和他們的標(biāo)記。
merge函數(shù)需要一個(gè)必要的屬性，兩個(gè)數(shù)據(jù)幀將在該屬性上合并。需要傳遞此列的名稱在“on”參數(shù)中。
merge函數(shù)的另一個(gè)重要論點(diǎn)是“如何”。這指定要在數(shù)據(jù)幀上執(zhí)行的聯(lián)接類型。以下是可以執(zhí)行的不同連接類型(SQL用戶將非常熟悉這一點(diǎn))：
- 內(nèi)部連接(如果不提供任何參數(shù)，則默認(rèn)執(zhí)行)
- 外部連接
- 右連接
- 左連接
還可以使用“sort”參數(shù)對數(shù)據(jù)幀進(jìn)行排序。這些是合并兩個(gè)數(shù)據(jù)幀時(shí)最常用的參數(shù)。
來源：Pexels
現(xiàn)在，我們將看到數(shù)據(jù)框包含100個(gè)“檢查點(diǎn)”的行：
- mergedData.loc[mergedData['Exam Points']==100]
三個(gè)學(xué)生得了100分，其中兩個(gè)在10班。做得好!
接下來，我的建議是接受包含3個(gè)不同文件的食物預(yù)測挑戰(zhàn)。
很直截了當(dāng)，對吧?
你再也不必為此而自責(zé)了!你可以繼續(xù)并將其應(yīng)用于選擇的任何數(shù)據(jù)集。
文章標(biāo)題：如何在Python中加入多個(gè)數(shù)據(jù)幀？
URL鏈接：http://m.5511xx.com/article/dpgepse.html
