标签:数据分析 down up 笔记 学习 train result pd csv
导入numpy、pandas包
import pandas as pd
import numpy as np
df=pd.read_csv('train-left-up.csv')
将data文件夹里面的所有数据都载入,观察数据的之间的关系
df1=pd.read_csv('train-left-up.csv')
df2=pd.read_csv('train-left-down.csv')
df3=pd.read_csv('train-right-up.csv')
df4=pd.read_csv('train-right-down.csv')
df1.tail()
df2.head()
df3.tail()
df4.head()
由此可知:df2接在df1的下方,df3接在df1的右侧,df4接在df3的下方。
使用concat方法:将数据train-left-up.csv和train-right-up.csv横向合并为一张表,并保存这张表为result_up
result_up= pd.concat([df1,df3], axis=1)
result_up
使用concat方法:将train-left-down和train-right-down横向合并为一张表,并保存这张表为result_down。然后将上边的result_up和result_down纵向合并为result
result_down= pd.concat([df2,df4], axis=1)
result_down
result= pd.concat([result_up,result_down], axis=0,ignore_index=True)
result
使用DataFrame自带的方法join方法和append:完成任务二和任务三的任务
result_up= df1.join(df3)
result_up
result_down= df2.join(df4)
result_down
result=result_up.append(result_down,ignore_index=True)
result
使用Panads的merge方法和DataFrame的append方法:完成任务二和任务三的任务
result_up=pd.merge(df1,df3,left_index=True,right_index=True)
result_up
result_down=pd.merge(df2,df4,left_index=True,right_index=True)
result_down
result=result_up.append(result_down,ignore_index=True)
result
merge、join以及concat的方法的不同以及相同
concat:可用于两个或多个df间行方向(增加行,下同)或列方向(增加列,下同)进行内联或外联拼接操作,默认行拼接,取并集.
merge:可用于两个df间行方向(一般用join代替)或列方向的拼接操作,默认列拼接,取交集(即:存在相同主键的df1和df2的列拼接)
join:可用于df间列方向的拼接操作,默认左列拼接,how=’left’
将我们的数据变为Series类型的数据
参考:
[1]https://blog.csdn.net/weixin_42782150/article/details/89546357
标签:数据分析,down,up,笔记,学习,train,result,pd,csv 来源: https://blog.csdn.net/m0_51398701/article/details/120374768
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。