Pandas中DataFrame的分組/分割/合并的實現(xiàn)

更新時間：2019年07月16日 14:50:44 作者：劉知昊

這篇文章主要介紹了Pandas中DataFrame的分組/分割/合并的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

學習《Python3爬蟲、數(shù)據(jù)清洗與可視化實戰(zhàn)》時自己的一些實踐。

DataFrame分組操作

注意分組后得到的就是Series對象了，而不再是DataFrame對象。

import pandas as pd

# 還是讀取這份文件
df = pd.read_csv("E:/Data/practice/taobao_data.csv", delimiter=',', encoding='utf-8', header=0)

# 計算'成交量'按'位置'分組的平均值
grouped1 = df['成交量'].groupby(df['位置']).mean()
# print(grouped1)

在這里插入圖片描述

# 計算'成交量'先按'位置'再按'賣家'分組后的平均值
grouped2 = df['成交量'].groupby([df['位置'], df['賣家']]).mean()
# print(grouped2)

在這里插入圖片描述

# 計算先按'位置'再按'賣家'分組后的所有指標(如果可以計算平均值)的平均值
grouped3 = df.groupby([df['位置'], df['賣家']]).mean()
# print(grouped3)

在這里插入圖片描述

DataFrame數(shù)據(jù)分割和合并

這里其實可以操作得很復雜，這里是一些比較基本的用法。

import pandas as pd

# 還是讀取這份文件
df = pd.read_csv("E:/Data/practice/taobao_data.csv", delimiter=',', encoding='utf-8', header=0)
# 計算銷售額
df['銷售額'] = df['價格'] * df['成交量']

# (1)前面學了ix,loc,iloc,這里是直接用[]運算做分割
df1 = df[30:40][['位置', '賣家']]
# print(df1) # 從30號行到39號行
df2 = df[80:90][['賣家', '銷售額']]

在這里插入圖片描述

# (2)內聯(lián)接操作(相當于JOIN,INNER JOIN)
df3 = pd.merge(df1, df2) # 不指定列名,默認選擇列名相同的'賣家'列
# print(df3)
df4 = pd.merge(df1, df2, on='賣家') # 指定按照'賣家'相同做聯(lián)接
# print(df4)

在這里插入圖片描述

# (3)全外聯(lián)接操作(相當于FULL JOIN),沒有值的補NaN
df5 = pd.merge(df1, df2, how='outer')
# print(df5)

在這里插入圖片描述

# (4)左外聯(lián)接操作(相當于LEFT JOIN),即左邊的都要,'銷售額'沒有就NaN
df6 = pd.merge(df1, df2, how='left')
# print(df6)

在這里插入圖片描述

# (5)右外聯(lián)接操作(相當于RIGHT JOIN),即右邊的都要,'位置'沒有就NaN
df7 = pd.merge(df1, df2, how='right')
# print(df7)

在這里插入圖片描述

# (6)按索引相同做聯(lián)接
df_a = df[:10][['位置', '賣家']]
df_b = df[3:13][['價格', '成交量']]
df_c_1 = pd.merge(df_a, df_b, left_index=True, right_index=True) # 內聯(lián)接
# print(df_c_1) # 只有從3到9的

在這里插入圖片描述

df_c_2 = df_a.join(df_b) # 左外聯(lián)接
# print(df_c_2) # 從0到10

在這里插入圖片描述

df_c_3 = df_b.join(df_a) # "右"外聯(lián)接(其實還是左外聯(lián)接,就是b在左邊a在右邊)
# print(df_c_3) # 從3到12

在這里插入圖片描述

# (7)軸向堆疊操作(上下堆疊時就相當于UNION ALL,默認不去重)
df8 = df[2:5][['價格']] # 注意這里只取一個列也要用[[]]
df9 = df[3:8][['銷售額', '寶貝']]
df10 = df[6:11][['賣家', '位置']]
# (7.1)默認axis=0即上下堆疊,上下堆疊時,堆疊順序和傳進concat的順序一致,最終列=所有列數(shù)去重,缺失的補NaN
# 關于axis=0需要設置sort屬性的問題,還沒查到有講這個的,這個問題先留著...
df11 = pd.concat([df10, df9, df8], sort=False)
# print(df11)

在這里插入圖片描述

# (7.2)設置axis=1即左右堆疊,左右堆疊不允許索引重復,相同索引的將被合并到一行
# 左右堆疊中,堆疊順序僅僅影響列的出現(xiàn)順序
# 這很好理解,畢竟不是從上到下"摞"在一起的,而是從左到右"卡"在一起的
df12 = pd.concat([df10, df9, df8], axis=1)
df13 = pd.concat([df8, df9, df10], axis=1)
# print(df12)
# print(df13)

在這里插入圖片描述