启动jupyter notebook
# 激活虚拟环境
source myenv/bin/activate
# 启动虚拟环境
jupyter notebook
在数据清洗过程中，常常需要将来自不同来源的数据进行合并或匹配，以构建完整的分析数据集。Pandas提供了强大的数据合并与匹配功能。
concat 数据合并
使用 pandas 的 concat() 方法可以将两个数据集进行垂直拼接 或 水平拼接。
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
df3 = pd.DataFrame({'A': [9, 10], 'B': [11, 12]})
# 垂直堆叠 (axis默认为0，可以不写)
df_concat = pd.concat([df1, df2, df3])
print("垂直拼接：\n")
print(df_concat)
# 水平堆叠
df_concat = pd.concat([df1, df2, df3], axis=1)
print("\n\n水平拼接：\n")
print(df_concat)
运行结果：
merge 数据匹配
需求：按区县列，将邮政编码表中的邮政编码匹配到人员信息表中，作为新的列。
使用Pandas库的merge方法进行数据匹配时（似于SQL中的JOIN操作），on参数是用来指定两个数据框（DataFrame）中用于连接的列名，how参数指定连接的方式。
其中how="left"表示进行左连接，它会保留左侧数据框（df_人员信息）的所有行，如果右侧数据框（df_邮政编码）中有匹配的行，则会将这些行的信息添加到结果中，如果没有匹配的行，则相应的列会填充为 NaN。how="right"表示进行右连接
import pandas as pd
# 读取文件
df_人员信息 = pd.read_excel("/Users/xxx/Desktop/人员信息.xlsx", sheet_name="Sheet1")
df_邮政编码 = pd.read_excel("/Users/xxx/Desktop/邮政编码.xlsx", sheet_name="Sheet1")
# 合并数据框，只保留需要的列
result = df_人员信息.merge(df_邮政编码, on="区县", how="left")
# 保存到新的Excel文件
result.to_excel('/Users/xxx/Desktop/人员信息(补).xlsx', index=False)
运行结果：
如果只想匹配指定的行，而不是所有行。代码如下⬇️
import pandas as pd
# 读取文件
df_人员信息 = pd.read_excel("/Users/xxx/Desktop/人员信息.xlsx", sheet_name="Sheet1")
df_邮政编码 = pd.read_excel("/Users/xxx/Desktop/邮政编码.xlsx", sheet_name="Sheet1")
# 合并数据框，只保留需要的列
result = df_人员信息.merge(df_邮政编码[["邮政编码", "区县"]], on="区县", how="left")
# 保存到新的Excel文件
result.to_excel('/Users/xxx/Desktop/人员信息(补).xlsx', index=False)
运行结果：
