无涯教程-Python - 数据整理

数据整理涉及以各种格式(如合并，分组，连接等)处理数据，以便分析或准备将其与另一组数据一起使用。

合并数据

python中的Pandas库提供单个函数 merge ，作为DataFrame对象之间所有标准数据库联接操作的入口点-

pd.merge(left, right, how=inner, on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True)

现在让无涯教程创建两个不同的DataFrame并对其执行合并操作。

# import the pandas library
import pandas as pd
left = pd.DataFrame({
         id:[1,2,3,4,5],
         Name: [Alex, Amy, Allen, Alice, Learnfk],
         subject_id:[sub1,sub2,sub4,sub6,sub5]})
right = pd.DataFrame(
         {id:[1,2,3,4,5],
         Name: [Billy, Brian, Bran, Bryce, Betty],
         subject_id:[sub2,sub4,sub3,sub6,sub5]})
print left
print right

其输出如下-

    Name  id   subject_id
0   Alex   1         sub1
1    Amy   2         sub2
2  Allen   3         sub4
3  Alice   4         sub6
4  Learnfk  5         sub5
</span><span class="typ">Name</span><span class="pln">  id   subject_id

0  Billy   1         sub2
1  Brian   2         sub4
2  Bran    3         sub3
3  Bryce   4         sub6
4  Betty   5         sub5

分组数据

将数据集分组是数据分析中经常需要的一种，需要根据数据集中存在的各种分组来获得输出。在下面的示例中，按年份对数据进行分组，然后获得特定年份的输出。

# import the pandas library
import pandas as pd
ipl_data = {Team: [Riders, Riders, Devils, Devils, Kings,
kings, Kings, Kings, Riders, Royals, Royals, Riders],
Rank: [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2],
Year: [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
Points:[876,789,863,673,741,812,756,788,694,701,804,690]}
df = pd.DataFrame(ipl_data)
grouped = df.groupby(Year)
print grouped.get_group(2014)

其输出如下-

   Points  Rank     Team    Year
0     876     1   Riders    2014
2     863     2   Devils    2014
4     741     3   Kings     2014
9     701     4   Royals    2014

串联数据

Pandas提供了各种功能，可以轻松地将 Series，DataFrame 和 Panel 对象组合在一起，在下面的示例中 concat 函数沿轴执行串联操作，让无涯教程创建不同的对象并进行串联。

import pandas as pd
one = pd.DataFrame({
         Name: [Alex, Amy, Allen, Alice, Learnfk],
         subject_id:[sub1,sub2,sub4,sub6,sub5],
         Marks_scored:[98,90,87,69,78]},
         index=[1,2,3,4,5])
two = pd.DataFrame({
         Name: [Billy, Brian, Bran, Bryce, Betty],
         subject_id:[sub2,sub4,sub3,sub6,sub5],
         Marks_scored:[89,80,79,97,88]},
         index=[1,2,3,4,5])
print pd.concat([one,two])

其输出如下-

    Marks_scored     Name   subject_id
1             98     Alex         sub1
2             90      Amy         sub2
3             87    Allen         sub4
4             69    Alice         sub6
5             78   Learnfk         sub5
1             89    Billy         sub2
2             80    Brian         sub4
3             79     Bran         sub3
4             97    Bryce         sub6
5             88    Betty         sub5

参考链接

www.learnfk.com/python-data…