python資料合併、重塑、移除
阿新 • • 發佈：2018-12-04
目錄
合併資料集
pd.merge(left, right, how, on, left_on, right_on, sort)
| left | 左表 |
| right | 右表 |
| how | 連線方式 |
| on | 連線的列名，預設是兩個表的同名列 |
| left_on | 左表用於連線的列名 |
| right_on | 右表用於連線的列名 |
| sort | 對連線後資料進行排序，預設是True，在大資料集使用時設為False可使效能更好 |
使用的函式是pd.merge()。這個函式用於將兩個資料集連線起來，類似於資料庫中的join。連線方式有四種：預設是內連線how=‘inner'，此外還有外連線outer、左連線left、右連線right。內連線表示取兩個資料集的交集，左連線表示取左邊的表以及量表的交集，右連線表示取右邊的表和兩表的交集，外連線取兩資料集並集。
軸向合併
pd.concat(obj, axis, keys, join)
| obj | 用於合併的資料集 |
| axis | 指明連線的軸向，預設為0 |
| keys | 合併後資料集索引的名稱 |
| join | 連線方式，預設是outer |
資料重塑
這裡主要說的是pd.pivot()的使用，說是重塑可能有些難以理解，下面我們用一個例子來說明。一群人下班很高興，他們約好去超市買東西，每個人想買的都不一樣，出來後有人花得多有人花得少。我們以單號、姓名、物品名稱、價值為列建立一個表格，這時只有id對我們來說是不重複的，這就有可能是收銀臺打出的賬單的格式。但是通常我們想要知道的是每個人買了什麼東西，也就是說想構建一個以name為索引的表，這時就可以用pivot()。
pivot(index, columns, values)
| index | 作為索引的列的名稱 |
| columns | 被統計的列的名稱 |
| values | 生成的新列的值 |
移除重複行
參考
利用Python進行資料分析