[toc]

本文示例數據下載，密碼:vwy3

import pandas as pd

# 數據是之前在cnblog上抓取的部分文章信息

df = pd.read_csv('./data/SQL測試用數據_20200325.csv',encoding='utf-8')

# 為了后續演示，抽樣生成兩個數據集

df1 = df.sample(n=500,random_state=123)

df2 = df.sample(n=600,random_state=234)

# 保證有較多的交集

# 比例抽樣是有順序的，不加random_state，那么兩個數據集是一樣的

行的union

pd.concat

pd.concat主要參數說明：

要合并的dataframe，可以用[]進行包裹，e.g. [df1,df2,df3];

axis=0,axis是拼接的方向，0代表行，1代表列，不過很少用pd.concat來做列的join

join='outer'

ignore_index: bool = False,看是否需要重置index

如果要達到union all的效果，那么要拼接的多個dataframe，必須：

列名名稱及順序都需要保持一致

每列的數據類型要對應

如果列名不一致就會產生新的列

如果數據類型不一致，不一定報錯，要看具體的兼容場景

df2.columns

輸出：

Index(['href', 'title', 'create_time', 'read_cnt', 'blog_name', 'date', 'weekday', 'hour'], dtype='object')

# 這里故意修改下第2列的名稱

df2.columns = ['href', 'title_2', 'create_time', 'read_cnt', 'blog_name', 'date','weekday', 'hour']

print(df1.shape,df2.shape)

# inner方法將無法配對的列刪除

# 拼接的方向，默認是就行(axis=0)

df_m = pd.concat([df1,df2],axis=0,join='inner')

print(df_m.shape)

輸出：

(500, 8) (600, 8)

(1100, 7)

# 查看去重后的數據集大小

df_m.drop_duplicates(subset='href').shape

輸出：

(849, 7)

df.append

和pd.concat方法的區別：

append只能做行的union

append方法是outer join

相同點：

append可以支持多個dataframe的union

append大致等同于 pd.concat([df1,df2],axis=0,join='outer')

df1.append(df2).shape

輸出：

(1100, 9)

df1.append([df2,df2]).shape

輸出：

(1700, 9)

列的join

pd.concat

pd.concat也可以做join，不過關聯的字段不是列的值，而是index

也因為是基于index的關聯，所以pd.concat可以對超過2個以上的dataframe做join操作

# 按列拼接，設置axis=1

# inner join

print(df1.shape,df2.shape)

df_m_c = pd.concat([df1,df2], axis=1, join='inner')

print(df_m_c.shape)

輸出：

(500, 8) (600, 8)

(251, 16)

這里是251行，可以取兩個dataframe的index然后求交集看下

set1 = set(df1.index)

set2 = set(df2.index)

set_join = set1.intersection(set2)

print(len(set1), len(set2), len(set_join))

輸出：

500 600 251

pd.merge

pd.merge主要參數說明：

left, join操作左側的那一個dataframe

right, join操作左側的那一個dataframe, merge方法只能對2個dataframe做join

how: join方式，默認是inner，str = 'inner'

on=None 關聯的字段，如果兩個dataframe關聯字段一樣時，設置on就行，不用管left_on,right_on

left_on=None 左表的關聯字段

right_on=None 右表的關聯字段，如果兩個dataframe關聯字段名稱不一樣的時候就設置左右字段

suffixes=('_x', '_y'), join后給左右表字段加的前綴,除關聯字段外

print(df1.shape,df2.shape)

df_m = pd.merge(left=df1, right=df2\

,how='inner'\

,on=['href','blog_name']

)

print(df_m.shape)

輸出：

(500, 8) (600, 8)

(251, 14)

print(df1.shape,df2.shape)

df_m = pd.merge(left=df1, right=df2\

,how='inner'\

,left_on = 'href',right_on='href'

)

print(df_m.shape)

輸出：

(500, 8) (600, 8)

(251, 15)

# 對比下不同join模式的區別

print(df1.shape,df2.shape)

# inner join

df_inner = pd.merge(left=df1, right=df2\

,how='inner'\

,on=['href','blog_name']

)

# full outer join

df_full_outer = pd.merge(left=df1, right=df2\

,how='outer'\

,on=['href','blog_name']

)

# left outer join

df_left_outer = pd.merge(left=df1, right=df2\

,how='left'\

,on=['href','blog_name']

)

# right outer join

df_right_outer = pd.merge(left=df1, right=df2\

,how='right'\

,on=['href','blog_name']

)

print('inner join 左表∩右表:' + str(df_inner.shape))

print('full outer join 左表∪右表:' + str(df_full_outer.shape))

print('left outer join 左表包含右表:' + str(df_left_outer.shape))

print('right outer join 右表包含左表:' + str(df_right_outer.shape))

輸出：

(500, 8) (600, 8)

inner join 左表∩右表:(251, 14)

full outer join 左表∪右表:(849, 14)

left outer join 左表包含右表:(500, 14)

right outer join 右表包含左表:(600, 14)

df.join

df.join主要參數說明：

other 右表

on 關聯字段,這個和pd.concat做列join一樣，是關聯index的

how='left'

lsuffix='' 左表后綴

rsuffix='' 右表后綴

print(df1.shape,df2.shape)

df_m = df1.join(df2, how='inner',lsuffix='1',rsuffix='2')

df_m.shape

輸出：

(500, 8) (600, 8)

(251, 16)

行列轉置

# 數據準備

import math

df['time_mark'] = df['hour'].apply(lambda x:math.ceil(int(x)/8))

df_stat_raw = df.pivot_table(values= ['read_cnt','href']\

,index=['weekday','time_mark']\

,aggfunc={'read_cnt':'sum','href':'count'})

df_stat = df_stat_raw.reset_index()

df_stat.head(3)

如上所示，df_stat是兩個維度weekday,time_mark

以及兩個計量指標 href, read_cnt

pivot

# pivot操作中，index和columns都是維度

res = df_stat.pivot(index='weekday',columns='time_mark',values='href').reset_index(drop=True)

res

stack & unstack

stack則是將層級最低(默認)的column轉化為index

unstack默認是將排位最靠后的index轉成column(column放到下面)

# pandas.pivot_table生成的結果如下

df_stat_raw

# unstack默認是將排位最靠后的index轉成column(column放到下面)

df_stat_raw.unstack()

# unstack也可以指定index,然后轉成最底層的column

df_stat_raw.unstack('weekday')

# 這個語句的效果是一樣的，可以指定`index`的位置

# stat_raw.unstack(0)

# stack則是將層級醉倒的column轉化為index

df_stat_raw.unstack().stack().head(5)

# 經過兩次stack后就成為多維表了

# 每次stack都會像洋蔥一樣將column放到左側的index來(放到index序列最后)

df_stat_raw.unstack().stack().stack().head(5)

輸出：

weekday time_mark

href 4

read_cnt 2386

href 32

read_cnt 31888

href 94

dtype: int64

pd.DataFrame(df_stat_raw.unstack().stack().stack()).reset_index().head(5)

melt

melt方法中id_vals是指保留哪些作為維度(index)，剩下的都看做是數值(value)

除此之外，會另外生成一個維度叫variable，列轉行后記錄被轉的的變量名稱

print(df_stat.head(5))

df_stat.melt(id_vars=['weekday']).head(5)

df_stat.melt(id_vars=['weekday','time_mark']).head(5)

關于找一找教程網

本站文章僅代表作者觀點，不代表本站立場，所有文章非營利性免費分享。

本站提供了軟件編程、網站開發技術、服務器運維、人工智能等等IT技術文章，希望廣大程序員努力學習，讓我們用科技改變世界。

[Python基礎 | pandas中dataframe的整合與形變(merge & reshape)]http://www.zyiz.net/tech/detail-124345.html

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的python column stack_Python基础 | pandas中dataframe的整合与形变(merge reshape)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。