系统：Windows 7
语言版本：Anaconda3-4.3.0.1-Windows-x86_64
编辑器：pycharm-community-2016.3.2
- 这个系列讲讲Python的科学计算版块
- 今天讲讲pandas模块：将两个Df进行合并
Part 1：示例
- 已知
df_1，有3列["time", "pos", "value1"] - 已知
df_2，有3列["pos", "value2", "value3"] - 以
pos列作为连接，将两个Df合并成一个Df，效果如下图
合并
1.png
Part 2：代码
import pandas as pd
dict_1 = {"time": ["2019-11-2", "2019-11-2", "2019-11-2"],
"pos": ["P1", "P2", "P3"],
"value1": [0.5, 0.8, 1.0]}
df_1 = pd.DataFrame(dict_1, columns=["time", "pos", "value1"])
dict_2 = {"pos": ["P1", "P2", "P3", "P4"],
"value2": [-1, -2, -3, -4],
"value3": [1, 2, 3, 4]}
df_2 = pd.DataFrame(dict_2, columns=["pos", "value2", "value3"])
print("\ndf_1")
print(df_1)
print("\ndf_2")
print(df_2)
df_merge_1 = pd.merge(df_1, df_2, how='left', on='pos')
print("\ndf_merge_1")
print(df_merge_1)
df_merge_2 = pd.merge(df_2, df_1, how='left', on='pos')
print("\ndf_merge_2")
print(df_merge_2)
代码截图
2.png
Part 3：部分代码解读
-
pd.merge(df_1, df_2, how='left', on='pos')，以pos列作为df_1和df_2的关联列，采用左连接的方式- 左连接，可以简单理解为行采用左边的
df_1作为基准，在示例中发现df_merge_1没有P4点 - 同理
df_merge_2中time及value1没有数据
- 左连接，可以简单理解为行采用左边的
- 那么使用场景是什么呢？结合列与列之间的运算，会有一番新天地
本文为原创作品，欢迎分享朋友圈
长按图片识别二维码，关注本公众号
Python 优雅 帅气
12x0.8.jpg
