初学Python编程的人，面临的是各种未知的挑战。

下面是一个几乎让所有更有抱负的数据科学家都感到意外的场景：

你正在处理一个从多个源收集数据的项目。在进入探索和模型构建部分之前，你需要首先连接这些多个数据集(以表、数据帧等形式)。怎么能做到这一点而不丢失任何信息?

这听起来可能是一个简单的场景，但对于许多新来的人来说，这可能是一个威胁，特别是那些不熟悉Python编程的人。

进一步深入研究，我可以大致将其分为两种情况：

• 首先，具有相似属性的数据可以分布到多个文件中。例如，假设向你提供了多个文件，每个文件都存储一年中某一周内发生的销售信息。因此，全年将有52个文件。每个文件的列数和名称都相同。
• 其次，你可能需要合并来自多个来源的信息。例如，假设你想获得购买产品的人的联系信息。这里有两个文件，第一个有销售信息，第二个有客户信息。

理解手头的问题

本文列举一个通俗易懂的例子。

想一下在一个特定的学校里考试。每个科目都有不同的老师授课。他们更新关于学生成绩和整体表现的档案。这些档案就是多个文件!

本文使用创建的两个这样的文件来演示Python中函数的工作。第一个文件包含关于12班学生的数据，另一个文件包含10班的数据。还将使用第三个文件来存储学生的姓名和学生ID。

注意：虽然这些数据集是从零开始创建的，但鼓励将所学应用于选择的数据集。

在Python中逐步合并数据帧的过程

下面是解决这个问题的方法：

• 用Python加载数据集
• 合并两个相似的数据帧(append)
• 合并来自两个数据帧的信息(merge)

步骤1：用Python加载数据集

本文将使用三个独立的数据集。首先，将这些文件加载到单独的数据帧中。

 
 
 

  
  
  
import pandas as pd 
 
 
 

 
 
 

  
  
  
marks10th=pd.read_csv('10thClassMarks.csv') 
 
 
 

 
 
 

  
  
  
marks12th=pd.read_csv('12thClassMarks.csv') 
 
 
 

 
 
 

  
  
  
IDandName=pd.read_csv('StudentIDandName.csv') 
 
 
 

前两个数据框包含学生的百分比及其学生ID。在第一个数据框中，有10班学生的分数，而第二个数据框包含第12个标准中学生的分数。第三个数据框包含学生的姓名以及各自的学生ID。

来源：btime

使用“head”函数检查每个数据帧的前几行：

 
 
 

  
  
  
marks10th.head() 
 
 
 

 
 
 

  
  
  
marks12th.head() 
 
 
 

 
 
 

  
  
  
IDandName.head() 
 
 
 

步骤2：合并两个相似的数据帧(Append)

把10、12班的档案合并起来，找出学生的平均分。这里使用Pandas库中的“append”函数：

 
 
 

  
  
  
allMarks=marks10th.append(marks12th) 
 
 
 

 
 
 

  
  
  
marks10th.shape, marks12th.shape, allMarks.shape 
 
 
 

输出((50,3),(50,3),(100,3))

从输出中可以看到，在append函数中垂直添加两个数据帧。

结果数据帧是allMarks。上面比较了所有三个数据帧的形状。

接下来看看“allMarks”的内容并计算平均值：

 
 
 

  
  
  
allMarks['Exam Points'].mean() #Average Marks 
 
 
 

输出:49.74

步骤3：合并来自两个数据帧的信息(Merge)

现在，假设想找出在这两个批次中排名第一的学生的名字。这里不需要垂直添加数据帧。为了给学生的名字再加一列，我们将不得不水平缩放。

要做到这一点，我们会发现最高得分：

 
 
 

  
  
  
allMarks['Exam Points'].max() # Maximum Marks 
 
 
 

输出:100

学生的最高成绩是100分。现在，使用“merge”函数查找此学生的姓名：

 
 
 

  
  
  
mergedData=allMarks.merge(IDandName, on='student id') 
 
 
 

 
 
 

  
  
  
mergedData.head() 
 
 
 

最后，生成的数据框有学生的名字和他们的标记。

merge函数需要一个必要的属性，两个数据帧将在该属性上合并。需要传递此列的名称在“on”参数中。

merge函数的另一个重要论点是“如何”。这指定要在数据帧上执行的联接类型。以下是可以执行的不同连接类型(SQL用户将非常熟悉这一点)：

• 内部连接(如果不提供任何参数，则默认执行)
• 外部连接
• 右连接
• 左连接

还可以使用“sort”参数对数据帧进行排序。这些是合并两个数据帧时最常用的参数。

来源：Pexels

现在，我们将看到数据框包含100个“检查点”的行：

 
 
 

  
  
  
mergedData.loc[mergedData['Exam Points']==100] 
 
 
 

三个学生得了100分，其中两个在10班。做得好!

接下来，我的建议是接受包含3个不同文件的食物预测挑战。

很直截了当，对吧?

你再也不必为此而自责了!你可以继续并将其应用于选择的任何数据集。

当前名称：如何在Python中加入多个数据帧？
分享URL：http://cdbrznjsb.com/article/dpgepse.html