目錄

第二章(pandas)

Python數(shù)據(jù)處理從零開始----第二章(pandas)④數(shù)據(jù)合并和處理重復(fù)值

===============================================

數(shù)據(jù)合并

在數(shù)據(jù)處理中，通常將原始數(shù)據(jù)分開幾個部分進(jìn)行處理而得到相似結(jié)構(gòu)的Series或DataFrame對象，我們該如何進(jìn)行縱向合并它們？這時我們可以選擇用pd.concat()方式極易連接兩個或兩個以上的Series或DataFrame對象。如下是該函數(shù)的參數(shù)解讀：

pd.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)

參數(shù)說明:

objs：連接對象，多以列表、字典傳入

axis：軸向，0代表縱向連接，1，代表橫向連接

join：連接方式，共有’inner’,’left’,right’,’outer’

join_axes:參與連接的索引

ignore_index：是否忽略索引

keys：層次化索引

橫向連接

import pandas as pd

s1=pd.Series([1,2,3],index=list('abc'))

s2=pd.Series([3,4,5],index=list('bde'))

pd.concat([s1,s2])

Out[6]:

a 1

b 2

c 3

b 3

d 4

e 5

dtype: int64

縱向連接

pd.concat([s1,s2],axis=1)

__main__:1: FutureWarning: Sorting because non-concatenation axis is not aligned. A future version

of pandas will change to not sort by default.

To accept the future behavior, pass 'sort=False'.

To retain the current behavior and silence the warning, pass 'sort=True'.

Out[7]:

0 1

a 1.0 NaN

b 2.0 3.0

c 3.0 NaN

d NaN 4.0

e NaN 5.0

內(nèi)連接

pd.concat([s1,s2],axis=1,join='inner')

Out[8]:

0 1

b 2 3

import pandas as pd

from pandas import Series,DataFrame

dict1={

'key':['a','b','c'],

'col1':range(3)

}

df1 = DataFrame(dict1)

df1

Out[18]:

key col1

0 a 0

1 b 1

2 c 2

dict2={

'key':['b','c','d'],

'col2':range(1,4)

}

df2 =DataFrame(dict2)

df2

Out[19]:

key col2

0 b 1

1 c 2

2 d 3

dat = pd.merge(df1,df2)

dat

Out[14]:

key col1 col2

0 b 1 1

1 c 2 2

pandas默認(rèn)尋找共同的column，然后合并共同的觀測值，但是可以根據(jù)，on='',和how=''來控制連接的鍵和合并的方式。

移除重復(fù)數(shù)據(jù)

首先創(chuàng)建一個數(shù)據(jù)框

# -*- coding: utf-8 -*-

"""

Created on Thu Nov 29 01:33:46 2018

@author: czh

"""

%clear

%reset -f

# In[*]

import seaborn as sns

import matplotlib.pyplot as plt

%matplotlib inline

import os

import numpy as np

import pandas as pd

# In[*]

data = pd.DataFrame({'k1': ['one', 'two'] * 3 + ['two'],

'k2': [1, 1, 2, 3, 3, 4, 4]})

data

data.duplicated()

0 False

1 False

2 False

3 False

4 False

5 False

6 True

dtype: bool

通過以上我們發(fā)現(xiàn)最后一行(第七行)存在一個完全重復(fù)的行，一般情況下，我們需要刪除掉這行，主要通過drop_duplicates()函數(shù),該函數(shù)返回的結(jié)果是一個數(shù)據(jù)框。

data.drop_duplicates()

Out[9]:

k1 k2

0 one 1

1 two 1

2 one 2

3 two 3

4 one 3

5 two 4

這兩個方法默認(rèn)會判斷全部列，你也可以指定部分列進(jìn)行重復(fù)項判斷(一般情況下，我們希望去掉某一列重復(fù)的觀測值)，假設(shè)我們還有一列值，且只希望根據(jù)k1列過濾重復(fù)項：

data['v1'] = range(7)

data

data.drop_duplicates(['k1'])

Out[10]:

k1 k2 v1

0 one 1 0

1 two 1 1

總結(jié)

以上是生活随笔為你收集整理的python concat去除重复值语句_Python数据处理从零开始----第二章（pandas）④数据合并和处理重复值...的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。