Xlong~

Pandas统计分析基础（5）：DataFrame的合并（内含大量代码可供练习）

✅作者简介：大家好我是Xlong，一枚正在学习COMSOL、Python的工科研究僧
个人主页: Xlong的个人博客主页
系列专栏: Python大数据分析
如果觉得博主的文章还不错的话，请支持一下博主哦

在上篇文章中主要介绍了DataFrame的数据分析及画图功能。本文主要介绍DataFrame的合并。

一、前言

二、DataFrame的合并

2.1 concat方法

2.1.1 concat横向合并

2.1.2 concat纵向合并

2.1.3 append方法的纵向合并

2.1.4 使用concat合并时，可以添加keys参数来区分来自哪个DataFrame

2.2 使用join函数合并表，常用于行索引相同的两个DataFrame

2.3 使用merge方法进行合并

一、前言

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
print(pop.head(),'\n') #DataFrame.head()  可以读取Dataframe的前n行，默认n=5
print(len(gdp))   #len()可以返回DtaFrame的行数

运行结果：

                2018年
省份
北京市      2154
天津市      1560
河北省      7556
山西省      3718
内蒙古自治区   2534

31

二、DataFrame的合并

DataFrame可以保存任意维度的数据。我们尝试将gdp和pop两个dataframe合并成一个。

2.1 concat方法

2.1.1 concat横向合并

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df=pd.concat([gdp,pop],axis=1) ##axis=0是纵向，=1是横向
print(df)

运行结果：

                2018年 2018年
省份
北京市       30319.98   2154
天津市       18809.64   1560
河北省       36010.27   7556
山西省       16818.11   3718
内蒙古自治区    17289.22   2534
辽宁省       25315.35   4359
吉林省       15074.62   2704
黑龙江省      16361.62   3773
上海市       32679.87   2424
江苏省       92595.40   8051
浙江省       56197.15   5737
安徽省       30006.82   6324
福建省       35804.04   3941
江西省       21984.78   4648
山东省       76469.67 10047
河南省       48055.86   9605
湖北省       39366.55   5917
湖南省       36425.78   6899
广东省       97277.77 11346
广西壮族自治区   20352.51   4926
海南省        4832.05    934
重庆市       20363.19   3102
四川省       40678.13   8341
贵州省       14806.45   3600
云南省       17881.12   4830
西藏自治区      1477.63    344
陕西省       24438.32   3864
甘肃省        8246.07   2637
青海省        2865.23    603
宁夏回族自治区    3705.18    688
新疆维吾尔自治区 12199.08   2487

因此需要修改列名，使用DataFrame.rename()方法

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
#字典中，key为旧名字，value为新名字，key值不存在就不不改名，不会报错
print(gdp)

运行结果：

                GDP
省份
北京市       30319.98
天津市       18809.64
河北省       36010.27
山西省       16818.11
内蒙古自治区    17289.22
辽宁省       25315.35
吉林省       15074.62
黑龙江省      16361.62
上海市       32679.87
江苏省       92595.40
浙江省       56197.15
安徽省       30006.82
福建省       35804.04
江西省       21984.78
山东省       76469.67
河南省       48055.86
湖北省       39366.55
湖南省       36425.78
广东省       97277.77
广西壮族自治区   20352.51
海南省        4832.05
重庆市       20363.19
四川省       40678.13
贵州省       14806.45
云南省       17881.12
西藏自治区      1477.63
陕西省       24438.32
甘肃省        8246.07
青海省        2865.23
宁夏回族自治区    3705.18
新疆维吾尔自治区 12199.08

先建好改名字典再统一改

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
print(pop)

运行结果：

                POP
省份
北京市        2154
天津市        1560
河北省        7556
山西省        3718
内蒙古自治区     2534
辽宁省        4359
吉林省        2704
黑龙江省       3773
上海市        2424
江苏省        8051
浙江省        5737
安徽省        6324
福建省        3941
江西省        4648
山东省       10047
河南省        9605
湖北省        5917
湖南省        6899
广东省       11346
广西壮族自治区    4926
海南省         934
重庆市        3102
四川省        8341
贵州省        3600
云南省        4830
西藏自治区       344
陕西省        3864
甘肃省        2637
青海省         603
宁夏回族自治区     688
新疆维吾尔自治区   2487

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
df_combine=pd.concat([gdp,pop],axis=1)  #axis=1即行索引
print(df_combine)

运行结果：

                 GDP    POP
省份
北京市       30319.98   2154
天津市       18809.64   1560
河北省       36010.27   7556
山西省       16818.11   3718
内蒙古自治区    17289.22   2534
辽宁省       25315.35   4359
吉林省       15074.62   2704
黑龙江省      16361.62   3773
上海市       32679.87   2424
江苏省       92595.40   8051
浙江省       56197.15   5737
安徽省       30006.82   6324
福建省       35804.04   3941
江西省       21984.78   4648
山东省       76469.67 10047
河南省       48055.86   9605
湖北省       39366.55   5917
湖南省       36425.78   6899
广东省       97277.77 11346
广西壮族自治区   20352.51   4926
海南省        4832.05    934
重庆市       20363.19   3102
四川省       40678.13   8341
贵州省       14806.45   3600
云南省       17881.12   4830
西藏自治区      1477.63    344
陕西省       24438.32   3864
甘肃省        8246.07   2637
青海省        2865.23    603
宁夏回族自治区    3705.18    688
新疆维吾尔自治区 12199.08   2487

2.1.2 concat纵向合并

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
df_combine=pd.concat([gdp,pop],axis=1)  #axis=1即行索引
df1=df_combine[:][0:5]
df2=df_combine[:][5:]
print(df1,'\n')
print(df2)

运行结果：

                GDP   POP
省份
北京市     30319.98 2154
天津市     18809.64 1560
河北省     36010.27 7556
山西省     16818.11 3718
内蒙古自治区 17289.22 2534

               GDP    POP
省份
辽宁省       25315.35   4359
吉林省       15074.62   2704
黑龙江省      16361.62   3773
上海市       32679.87   2424
江苏省       92595.40   8051
浙江省       56197.15   5737
安徽省       30006.82   6324
福建省       35804.04   3941
江西省       21984.78   4648
山东省       76469.67 10047
河南省       48055.86   9605
湖北省       39366.55   5917
湖南省       36425.78   6899
广东省       97277.77 11346
广西壮族自治区   20352.51   4926
海南省        4832.05    934
重庆市       20363.19   3102
四川省       40678.13   8341
贵州省       14806.45   3600
云南省       17881.12   4830
西藏自治区      1477.63    344
陕西省       24438.32   3864
甘肃省        8246.07   2637
青海省        2865.23    603
宁夏回族自治区    3705.18    688
新疆维吾尔自治区 12199.08   2487

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
df_combine=pd.concat([gdp,pop],axis=1)  #axis=1即行索引
df1=df_combine[:][0:5]
df2=df_combine[:][5:]
df3=pd.concat([df2,df1],axis=0) #axis=0表示纵向合并
print(df3)

运行结果：

                     GDP    POP
省份
辽宁省       25315.35   4359
吉林省       15074.62   2704
黑龙江省      16361.62   3773
上海市       32679.87   2424
江苏省       92595.40   8051
浙江省       56197.15   5737
安徽省       30006.82   6324
福建省       35804.04   3941
江西省       21984.78   4648
山东省       76469.67 10047
河南省       48055.86   9605
湖北省       39366.55   5917
湖南省       36425.78   6899
广东省       97277.77 11346
广西壮族自治区   20352.51   4926
海南省        4832.05    934
重庆市       20363.19   3102
四川省       40678.13   8341
贵州省       14806.45   3600
云南省       17881.12   4830
西藏自治区      1477.63    344
陕西省       24438.32   3864
甘肃省        8246.07   2637
青海省        2865.23    603
宁夏回族自治区    3705.18    688
新疆维吾尔自治区 12199.08   2487
北京市       30319.98   2154
天津市       18809.64   1560
河北省       36010.27   7556
山西省       16818.11   3718
内蒙古自治区    17289.22   2534

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
df_combine=pd.concat([gdp,pop],axis=1)  #axis=1即行索引
df1=df_combine[:][0:5]
df2=df_combine[:][5:]
df3=pd.concat([df2,df1],axis=0) #axis=0表示纵向合并
print(df1,'\n')
print(df2)

运行结果：

                GDP   POP
省份
北京市     30319.98 2154
天津市     18809.64 1560
河北省     36010.27 7556
山西省     16818.11 3718
内蒙古自治区 17289.22 2534

               GDP    POP
省份
辽宁省       25315.35   4359
吉林省       15074.62   2704
黑龙江省      16361.62   3773
上海市       32679.87   2424
江苏省       92595.40   8051
浙江省       56197.15   5737
安徽省       30006.82   6324
福建省       35804.04   3941
江西省       21984.78   4648
山东省       76469.67 10047
河南省       48055.86   9605
湖北省       39366.55   5917
湖南省       36425.78   6899
广东省       97277.77 11346
广西壮族自治区   20352.51   4926
海南省        4832.05    934
重庆市       20363.19   3102
四川省       40678.13   8341
贵州省       14806.45   3600
云南省       17881.12   4830
西藏自治区      1477.63    344
陕西省       24438.32   3864
甘肃省        8246.07   2637
青海省        2865.23    603
宁夏回族自治区    3705.18    688
新疆维吾尔自治区 12199.08   2487

2.1.3 append方法的纵向合并

a = [0]
a.append(8)
print(a)

运行结果：

[0, 8]

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
df_combine=pd.concat([gdp,pop],axis=1)  #axis=1即行索引
df1=df_combine[:][0:5]
df2=df_combine[:][5:]
df3=pd.concat([df2,df1],axis=0) #axis=0表示纵向合并
df4=df1.append(df2)
print(df4)

运行结果：

                GDP    POP
省份
北京市       30319.98   2154
天津市       18809.64   1560
河北省       36010.27   7556
山西省       16818.11   3718
内蒙古自治区    17289.22   2534
辽宁省       25315.35   4359
吉林省       15074.62   2704
黑龙江省      16361.62   3773
上海市       32679.87   2424
江苏省       92595.40   8051
浙江省       56197.15   5737
安徽省       30006.82   6324
福建省       35804.04   3941
江西省       21984.78   4648
山东省       76469.67 10047
河南省       48055.86   9605
湖北省       39366.55   5917
湖南省       36425.78   6899
广东省       97277.77 11346
广西壮族自治区   20352.51   4926
海南省        4832.05    934
重庆市       20363.19   3102
四川省       40678.13   8341
贵州省       14806.45   3600
云南省       17881.12   4830
西藏自治区      1477.63    344
陕西省       24438.32   3864
甘肃省        8246.07   2637
青海省        2865.23    603
宁夏回族自治区    3705.18    688
新疆维吾尔自治区 12199.08   2487

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
gdp.rename(columns={'2018年': 'GDP'},inplace=True)
pop_newname={'2018年': 'POP'}
pop.rename(columns=pop_newname,inplace=True)
df_combine=pd.concat([gdp,pop],axis=1)  #axis=1即行索引
df1=df_combine[:][0:5]
df2=df_combine[:][5:]
df3=pd.concat([df2,df1],axis=0) #axis=0表示纵向合并
df4=df1.append(df2)
print(df1)

运行结果：

                GDP   POP
省份
北京市     30319.98 2154
天津市     18809.64 1560
河北省     36010.27 7556
山西省     16818.11 3718
内蒙古自治区 17289.22 2534

可见，上述合并方式均不会改变原DataFrame

2.1.4 使用concat合并时，可以添加keys参数来区分来自哪个DataFrame

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
print(pop.head())

运行结果：

                2018年
省份
北京市      2154
天津市      1560
河北省      7556
山西省      3718
内蒙古自治区   2534

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
#print(pop.head())
print(pop.index)

运行结果：

Index(['北京市', '天津市', '河北省', '山西省', '内蒙古自治区', '辽宁省', '吉林省', '黑龙江省', '上海市',
       '江苏省', '浙江省', '安徽省', '福建省', '江西省', '山东省', '河南省', '湖北省', '湖南省', '广东省',
       '广西壮族自治区', '海南省', '重庆市', '四川省', '贵州省', '云南省', '西藏自治区', '陕西省', '甘肃省',
       '青海省', '宁夏回族自治区', '新疆维吾尔自治区'],
      dtype='object', name='省份')

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
print(df5)

运行结果：

                                   2018年
                  省份
pop        北京市        2154.00
              天津市        1560.00
              河北省        7556.00
              山西省        3718.00
    内蒙古自治区     2534.00
...                ...
gdp                陕西省   24438.32
                      甘肃省     8246.07
                      青海省     2865.23
        宁夏回族自治区    3705.18
    新疆维吾尔自治区 12199.08

[62 rows x 1 columns]

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
print(df5.index) #index变成了2个元素的tuple组成的MultiIndex

运行结果：

MultiIndex([('pop',      '北京市'),
            ('pop',      '天津市'),
            ('pop',      '河北省'),
            ('pop',      '山西省'),
            ('pop',   '内蒙古自治区'),
            ('pop',      '辽宁省'),
            ('pop',      '吉林省'),
            ('pop',     '黑龙江省'),
            ('pop',      '上海市'),
            ('pop',      '江苏省'),
            ('pop',      '浙江省'),
            ('pop',      '安徽省'),
            ('pop',      '福建省'),
            ('pop',      '江西省'),
            ('pop',      '山东省'),
            ('pop',      '河南省'),
            ('pop',      '湖北省'),
            ('pop',      '湖南省'),
            ('pop',      '广东省'),
            ('pop', '广西壮族自治区'),
            ('pop',      '海南省'),
            ('pop',      '重庆市'),
            ('pop',      '四川省'),
            ('pop',      '贵州省'),
            ('pop',      '云南省'),
            ('pop',    '西藏自治区'),
            ('pop',      '陕西省'),
            ('pop',      '甘肃省'),
            ('pop',      '青海省'),
            ('pop', '宁夏回族自治区'),
            ('pop', '新疆维吾尔自治区'),
            ('gdp',      '北京市'),
            ('gdp',      '天津市'),
            ('gdp',      '河北省'),
            ('gdp',      '山西省'),
            ('gdp',   '内蒙古自治区'),
            ('gdp',      '辽宁省'),
            ('gdp',      '吉林省'),
            ('gdp',     '黑龙江省'),
            ('gdp',      '上海市'),
            ('gdp',      '江苏省'),
            ('gdp',      '浙江省'),
            ('gdp',      '安徽省'),
            ('gdp',      '福建省'),
            ('gdp',      '江西省'),
            ('gdp',      '山东省'),
            ('gdp',      '河南省'),
            ('gdp',      '湖北省'),
            ('gdp',      '湖南省'),
            ('gdp',      '广东省'),
            ('gdp', '广西壮族自治区'),
            ('gdp',      '海南省'),
            ('gdp',      '重庆市'),
            ('gdp',      '四川省'),
            ('gdp',      '贵州省'),
            ('gdp',      '云南省'),
            ('gdp',    '西藏自治区'),
            ('gdp',      '陕西省'),
            ('gdp',      '甘肃省'),
            ('gdp',      '青海省'),
            ('gdp', '宁夏回族自治区'),
            ('gdp', '新疆维吾尔自治区')],
           names=[None, '省份'])

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
print(df5.loc['pop'])#可以通过multiindex的第一个index调用

运行结果：

                  2018年
省份
北京市        2154.0
天津市        1560.0
河北省        7556.0
山西省        3718.0
内蒙古自治区     2534.0
辽宁省        4359.0
吉林省        2704.0
黑龙江省       3773.0
上海市        2424.0
江苏省        8051.0
浙江省        5737.0
安徽省        6324.0
福建省        3941.0
江西省        4648.0
山东省       10047.0
河南省        9605.0
湖北省        5917.0
湖南省        6899.0
广东省       11346.0
广西壮族自治区    4926.0
海南省         934.0
重庆市        3102.0
四川省        8341.0
贵州省        3600.0
云南省        4830.0
西藏自治区       344.0
陕西省        3864.0
甘肃省        2637.0
青海省         603.0
宁夏回族自治区     688.0
新疆维吾尔自治区   2487.0

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
print(df5.loc['pop','北京市'])#也可以把index写全

运行结果：

2018年 2154.0
Name: (pop, 北京市), dtype: float64

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
print(df5.loc['pop','北京市']['2018年'])#也可以把index写全

运行结果：

2154.0

2.2 使用join函数合并表，常用于行索引相同的两个DataFrame

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
print(gdp)

运行结果：

2018年
省份
北京市       30319.98
天津市       18809.64
河北省       36010.27
山西省       16818.11
内蒙古自治区    17289.22
辽宁省       25315.35
吉林省       15074.62
黑龙江省      16361.62
上海市       32679.87
江苏省       92595.40
浙江省       56197.15
安徽省       30006.82
福建省       35804.04
江西省       21984.78
山东省       76469.67
河南省       48055.86
湖北省       39366.55
湖南省       36425.78
广东省       97277.77
广西壮族自治区   20352.51
海南省        4832.05
重庆市       20363.19
四川省       40678.13
贵州省       14806.45
云南省       17881.12
西藏自治区      1477.63
陕西省       24438.32
甘肃省        8246.07
青海省        2865.23
宁夏回族自治区    3705.18
新疆维吾尔自治区 12199.08

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
print(df6)

运行结果：

                 2018年_pop 2018年_gdp
省份
北京市            2154   30319.98
天津市            1560   18809.64
河北省            7556   36010.27
山西省            3718   16818.11
内蒙古自治区         2534   17289.22
辽宁省            4359   25315.35
吉林省            2704   15074.62
黑龙江省           3773   16361.62
上海市            2424   32679.87
江苏省            8051   92595.40
浙江省            5737   56197.15
安徽省            6324   30006.82
福建省            3941   35804.04
江西省            4648   21984.78
山东省           10047   76469.67
河南省            9605   48055.86
湖北省            5917   39366.55
湖南省            6899   36425.78
广东省           11346   97277.77
广西壮族自治区        4926   20352.51
海南省             934    4832.05
重庆市            3102   20363.19
四川省            8341   40678.13
贵州省            3600   14806.45
云南省            4830   17881.12
西藏自治区           344    1477.63
陕西省            3864   24438.32
甘肃省            2637    8246.07
青海省             603    2865.23
宁夏回族自治区         688    3705.18
新疆维吾尔自治区       2487   12199.08

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
region=pd.read_excel('GDPandPopulation.xlsx',sheet_name='region',index_col=0)
print(region)

运行结果：

区域
省份
北京市       华北
天津市       华北
河北省       华北
山西省       华北
内蒙古自治区    华北
辽宁省       东北
吉林省       东北
黑龙江省      东北
上海市       华东
江苏省       华东
浙江省       华东
安徽省       华东
福建省       华东
江西省       华东
山东省       华东
河南省       中南
湖北省       中南
湖南省       中南
广东省       中南
广西壮族自治区   中南
海南省       中南
重庆市       西南
四川省       西南
贵州省       西南
云南省       西南
西藏自治区     西南
陕西省       西北
甘肃省       西北
青海省       西北
宁夏回族自治区   西北
新疆维吾尔自治区西北

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
region=pd.read_excel('GDPandPopulation.xlsx',sheet_name='region',index_col=0)
df7=df6.join(region) #没有重名列可以直接使用
print(df7)

运行结果：

2018年_pop 2018年_gdp 区域
省份
北京市            2154   30319.98 华北
天津市            1560   18809.64 华北
河北省            7556   36010.27 华北
山西省            3718   16818.11 华北
内蒙古自治区         2534   17289.22 华北
辽宁省            4359   25315.35 东北
吉林省            2704   15074.62 东北
黑龙江省           3773   16361.62 东北
上海市            2424   32679.87 华东
江苏省            8051   92595.40 华东
浙江省            5737   56197.15 华东
安徽省            6324   30006.82 华东
福建省            3941   35804.04 华东
江西省            4648   21984.78 华东
山东省           10047   76469.67 华东
河南省            9605   48055.86 中南
湖北省            5917   39366.55 中南
湖南省            6899   36425.78 中南
广东省           11346   97277.77 中南
广西壮族自治区        4926   20352.51 中南
海南省             934    4832.05 中南
重庆市            3102   20363.19 西南
四川省            8341   40678.13 西南
贵州省            3600   14806.45 西南
云南省            4830   17881.12 西南
西藏自治区           344    1477.63 西南
陕西省            3864   24438.32 西北
甘肃省            2637    8246.07 西北
青海省             603    2865.23 西北
宁夏回族自治区         688    3705.18 西北
新疆维吾尔自治区       2487   12199.08 西北

2.3 使用merge方法进行合并

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
region=pd.read_excel('GDPandPopulation.xlsx',sheet_name='region',index_col=0)
df7=df6.join(region) #没有重名列可以直接使用
df8=pd.merge(pop,gdp,left_index=True,right_index=True)  #以两个dataframe的index来合并，与join相同
print(df8)

运行结果：

2018年_x   2018年_y
省份
北京市          2154 30319.98
天津市          1560 18809.64
河北省          7556 36010.27
山西省          3718 16818.11
内蒙古自治区       2534 17289.22
辽宁省          4359 25315.35
吉林省          2704 15074.62
黑龙江省         3773 16361.62
上海市          2424 32679.87
江苏省          8051 92595.40
浙江省          5737 56197.15
安徽省          6324 30006.82
福建省          3941 35804.04
江西省          4648 21984.78
山东省         10047 76469.67
河南省          9605 48055.86
湖北省          5917 39366.55
湖南省          6899 36425.78
广东省         11346 97277.77
广西壮族自治区      4926 20352.51
海南省           934   4832.05
重庆市          3102 20363.19
四川省          8341 40678.13
贵州省          3600 14806.45
云南省          4830 17881.12
西藏自治区         344   1477.63
陕西省          3864 24438.32
甘肃省          2637   8246.07
青海省           603   2865.23
宁夏回族自治区       688   3705.18
新疆维吾尔自治区     2487 12199.08

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
region=pd.read_excel('GDPandPopulation.xlsx',sheet_name='region',index_col=0)
df7=df6.join(region) #没有重名列可以直接使用
df8=pd.merge(pop,gdp,left_index=True,right_index=True)  #以两个dataframe的index来合并，与join相同
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population')
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP')
#重新读入pop和gdp，并把省份名称纳入dataframe中
print(pop)

运行结果：

省份 2018年
0        北京市   2154
1        天津市   1560
2        河北省   7556
3        山西省   3718
4     内蒙古自治区   2534
5        辽宁省   4359
6        吉林省   2704
7       黑龙江省   3773
8        上海市   2424
9        江苏省   8051
10       浙江省   5737
11       安徽省   6324
12       福建省   3941
13       江西省   4648
14       山东省 10047
15       河南省   9605
16       湖北省   5917
17       湖南省   6899
18       广东省 11346
19   广西壮族自治区   4926
20       海南省    934
21       重庆市   3102
22       四川省   8341
23       贵州省   3600
24       云南省   4830
25     西藏自治区    344
26       陕西省   3864
27       甘肃省   2637
28       青海省    603
29   宁夏回族自治区    688
30 新疆维吾尔自治区   2487

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
region=pd.read_excel('GDPandPopulation.xlsx',sheet_name='region',index_col=0)
df7=df6.join(region) #没有重名列可以直接使用
df8=pd.merge(pop,gdp,left_index=True,right_index=True)  #以两个dataframe的index来合并，与join相同
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population')
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP')
#重新读入pop和gdp，并把省份名称纳入dataframe中
pop['数据']='pop'
gdp['数据']='gdp'
print(gdp)

运行结果：

省份     2018年   数据
0        北京市 30319.98 gdp
1        天津市 18809.64 gdp
2        河北省 36010.27 gdp
3        山西省 16818.11 gdp
4     内蒙古自治区 17289.22 gdp
5        辽宁省 25315.35 gdp
6        吉林省 15074.62 gdp
7       黑龙江省 16361.62 gdp
8        上海市 32679.87 gdp
9        江苏省 92595.40 gdp
10       浙江省 56197.15 gdp
11       安徽省 30006.82 gdp
12       福建省 35804.04 gdp
13       江西省 21984.78 gdp
14       山东省 76469.67 gdp
15       河南省 48055.86 gdp
16       湖北省 39366.55 gdp
17       湖南省 36425.78 gdp
18       广东省 97277.77 gdp
19   广西壮族自治区 20352.51 gdp
20       海南省   4832.05 gdp
21       重庆市 20363.19 gdp
22       四川省 40678.13 gdp
23       贵州省 14806.45 gdp
24       云南省 17881.12 gdp
25     西藏自治区   1477.63 gdp
26       陕西省 24438.32 gdp
27       甘肃省   8246.07 gdp
28       青海省   2865.23 gdp
29   宁夏回族自治区   3705.18 gdp
30 新疆维吾尔自治区 12199.08 gdp

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False  #针对坐标轴中负号显示不出来的问题
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population',index_col=0)
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP',index_col=0)
df5=pd.concat([pop,gdp],axis=0,keys=['pop','gdp'])  #不用改名字即可合并
df6=pop.join(gdp,lsuffix='_pop', rsuffix='_gdp') #两个dataframe列名相同，需要加lsuffix或rsuffix在左边/右边的列名上加后缀来区分
region=pd.read_excel('GDPandPopulation.xlsx',sheet_name='region',index_col=0)
df7=df6.join(region) #没有重名列可以直接使用
df8=pd.merge(pop,gdp,left_index=True,right_index=True)  #以两个dataframe的index来合并，与join相同
pop=pd.read_excel('GDPandPopulation.xlsx',sheet_name='Population')
gdp=pd.read_excel('GDPandPopulation.xlsx',sheet_name='GDP')
#重新读入pop和gdp，并把省份名称纳入dataframe中
pop['数据']='pop'
gdp['数据']='gdp'
df9=pd.merge(pop,gdp,how='outer',on=['省份','2018年'])
#how='outer'表示求两个dataframe的并集，on=[列名]表示合并依照的列，即保持列名不变的列
print(df9)

运行结果：

省份     2018年数据_x 数据_y
0        北京市   2154.00 pop NaN
1        天津市   1560.00 pop NaN
2        河北省   7556.00 pop NaN
3        山西省   3718.00 pop NaN
4     内蒙古自治区   2534.00 pop NaN
..       ...       ... ... ...
57       陕西省 24438.32 NaN gdp
58       甘肃省   8246.07 NaN gdp
59       青海省   2865.23 NaN gdp
60   宁夏回族自治区   3705.18 NaN gdp
61 新疆维吾尔自治区 12199.08 NaN gdp

[62 rows x 4 columns]

以上就是《Pandas统计分析基础（5）：DataFrame的合并》，如果有改进的建议，欢迎在评论区留言交流~

持续更新中......原创不易，各位看官请随手点下Follow和Star，感谢！！！

你可能感兴趣的:(Python大数据分析,python,pycharm,数据分析,pandas,DataFrame)

【Python】一文详细介绍 py格式文件高斯小哥 Python基础【高质量合集】python 新手入门学习
【Python】一文详细介绍py格式文件个人主页：高斯小哥高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程希望得到您的订阅和支持~创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）文章目录一、py格式文件简介二、如何创建和编辑py格式文件三、如何运行py
python抓包与解包_Python—网络抓包与解包（pcap、dpkt） weixin_39691055 python抓包与解包
pcap安装[root@localhost~]#pipinstallpypcap抓包与解包#-*-coding:utf-8-*-importpcap,dpktimportre,threading,requests__black_ip=['103.224.249.123','203.66.1.212']#抓包：param1eth_name网卡名，如：eth0,eth3。param2p_type日志捕
华为OD机试 - 单向链表中间节点（Java & JS & Python & C & C++）华为OD题库华为od 链表 java
须知哈喽，本题库完全免费，收费是为了防止被爬，大家订阅专栏后可以私信联系退款。感谢支持文章目录须知题目描述输出描述解析代码题目描述给定一个单链表L，请编写程序输出L中间结点保存的数据。如果有两个中间结点，则输出第二个中间结点保存的数据。例如：给定L为1→7→5，则输出应该为7；给定L为1→2→3→4，则输出应该为3；输入描述每个输入包含1个测试用例。每个测试用例：第一行给出链表首结点的地址、结点总
python 推导式(派生、衍生) sanduo112 人工智能 python windows 开发语言
python推导式一、推导式(派生、衍生)1.Python推导式是一种独特的数据处理方式，可以从一个数据序列构建另一个新的数据序列的结构体。2.列表(list)推导式3.字典(dict)推导式4.集合(set)推导式5.元组(tuple)推导式二、代码概述一、推导式(派生、衍生)1.Python推导式是一种独特的数据处理方式，可以从一个数据序列构建另一个新的数据序列的结构体。Python支持各种数
数据分析：低代码平台助力大数据时代的飞跃发展快乐非自愿数据分析低代码大数据
随着信息技术的突飞猛进，我们身处于一个数据量空前增长的时代——大数据时代。在这个时代背景下，数据分析已经成为企业决策、政策制定、科学研究等众多领域不可或缺的重要工具。然而，面对海量的数据和日益复杂多变的分析需求，传统的数据分析方法往往捉襟见肘，难以应对。幸运的是，低代码平台的兴起为大数据分析注入了新的活力，成为推动大数据时代发展的重要力量。低代码平台，顾名思义，是一种通过少量甚至无需编写代码，就能
数据挖掘|数据预处理|基于Python的数据标准化方法皖山文武数据挖掘数据建模与分析 python 数据挖掘开发语言
基于Python的数据标准化方法1.z-score方法2.极差标准化方法3.最大绝对值标准化方法在数据分析之前，通常需要先将数据标准化（Standardization），利用标准化后的数据进行数据分析，以避免属性之间不同度量和取值范围差异造成数据对分析结果的影响。1.z-score方法Z-score方法是基于原始数据的均值和标准差来进行数据标准化的，处理后的数据均值为0，方差为1，符合标准正态分布
CSV指南：Python程序获取大型CSV文件行数孤独打铁匠Julian 笔记经验分享 python
本指南提供了几种使用Python来获取大型CSV文件行数的方法，并解释了每种方法的适用场景。方法1:使用csv.reader处理复杂CSV文件当你的CSV文件中包含多行字段（即某些字段的值中包含换行符）时，使用csv.reader是一个可靠的选择，因为它能够正确处理这些复杂情况。这个方法适用于大多数大小的CSV文件，但是对于非常大的文件，读取整个文件可能会占用较多的时间和内存。对于极大的文件，考虑
谷歌浏览器驱动Chromedriver（114-120版本）文件以及驱动下载教程 pigerr杨 Python python chrome drivers
ChromeDriver官方网站GitHub||GoogleChromeLabs/chrome-for-testingChromeDriver113-125_JSONChromeforTestingavailability123-125zip白月黑羽Python基础|进阶|Qt图形界面|Django|自动化测试|性能测试|JS语言|JS前端|原理与安装
大创项目推荐深度学习 opencv python 公式识别(图像识别机器视觉) laafeer python
文章目录0前言1课题说明2效果展示3具体实现4关键代码实现5算法综合效果6最后0前言优质竞赛项目系列，今天要分享的是基于深度学习的数学公式识别算法实现该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：4分创新点：4分更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1课题
Ai插件脚本合集安装包，免费教程视频网盘分享全网优惠分享君
随着人工智能技术的不断发展，越来越多的插件脚本涌现出来，为我们的生活和工作带来了便利。然而，如何快速、方便地获取和使用这些插件脚本呢？今天，我将为大家分享一个非常实用的资源——AI插件脚本合集安装包，以及免费教程视频网盘分享。首先，让我们来了解一下这个AI插件脚本合集安装包。它是一个集合了众多AI插件脚本的资源包，涵盖了各种领域，如数据分析、自动化办公、智能客服等等。通过这个安装包，用户可以轻松地
python转码 Desamond python 开发语言
转码在许多场景中都有应用，以下是一些常见的场景：网页开发：当用户在网页上输入文本时，可能需要将特殊字符（如空格、引号、特殊符号等）进行转码，以防止这些字符对URL或HTML代码产生干扰。文件名处理：在处理文件名时，可能需要将特殊字符进行转码，以避免文件名被错误地解析或显示。数据传输：在数据传输过程中，为了确保数据的完整性和正确性，可能需要将数据中的特殊字符进行转码。数据存储：在数据库或数据存储中，
排序算法太多？常用排序都在这了，一篇文章总结和实现所有面试会考的排序算法（基于Python实现）宇宙之一粟不归路之Python #IT面试题收集与总结数据结构与算法算法数据结构排序算法 python java
文章目录排序算法1.常见的排序算法1.1选择排序1.1.1思想1.1.2实现**1.1.3选择排序分析**1.2冒泡排序**1.2.1思想****1.2.2实现****1.2.3冒泡排序分析**1.3插入排序**1.3.1思想****1.3.2实现****1.3.3插入排序分析**1.4归并排序☆☆★**1.4.1思想****1.4.2实现****1.4.3归并排序分析**1.5快速排序☆★★**
27.Python从入门到精通—Python异常处理抛出异常用户自定义异常定义清理行为预定义的清理行为以山河作礼。 #Python基础入门—详解版 python java 服务器
27.从入门到精通：Python异常处理抛出异常用户自定义异常定义清理行为预定义的清理行为异常处理抛出异常用户自定义异常定义清理行为预定义的清理行为异常处理在Python中，异常处理是一种处理程序在执行期间可能遇到的错误的方法。当Python解释器遇到错误时，它会引发异常。异常是一种Python对象，它包含有关错误的信息，例如错误类型和错误位置。为了处理异常，您可以使用try-except语句。在
python清华大学出版社答案_Python机器学习及实践 weixin_39805119 python清华大学出版社答案
第1章机器学习的基础知识1.1何谓机器学习1.1.1传感器和海量数据1.1.2机器学习的重要性1.1.3机器学习的表现1.1.4机器学习的主要任务1.1.5选择合适的算法1.1.6机器学习程序的步骤1.2综合分类1.3推荐系统和深度学习1.3.1推荐系统1.3.2深度学习1.4何为Python1.4.1使用Python软件的由来1.4.2为什么使用Python1.4.3Python设计定位1.4.
Python | Redis工具类 -拟墨画扇- Python redis 数据库缓存 python
一、需求自动连接Redis数据库，通过连接池处理数据对输出结果进行Log打印并保存到文件二、代码Utils.redisUtils.py#!/usr/bin/envpython#-*-coding:utf-8-*-importredisfromUtils.loggerimportlog"""Redis数据格式(1)字符串|存储形式:key-value:str-存储二进制数据:可以存储任意类型的数据，
数据管理知识体系指南（第二版）-第五章——数据建模和设计-学习笔记键盘上的五花肉数据治理数据库数据仓库数据治理
目录5.1引言5.1.1业务驱动因素5.1.2目标和原则5.1.3基本概念5.2活动5.2.1规划数据建模5.2.2建立数据模型5.2.3审核数据模型5.2.4维护数据模型5.3工具5.3.1数据建模工具5.3.2数据血缘工具5.3.3数据分析工具5.3.4元数据资料库5.3.5数据模型模式5.3.6行业数据模型5.4方法5.4.1命名约定的最佳实践5.4.2数据库设计中的最佳实践5.5数据建模和
Python dict字符串转json对象，小数精度丢失问题朝如青丝暮成雪 json python
一前言JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式，dict是Python的一种数据格式。本篇介绍一个float数据转换时精度丢失的案例。二问题描述importjsontest_str1='{"π":3.1415926535897932384626433832795028841971}'test_str2='{"value":10.00000}'print
Numpy、Pandas库的使用貮叁量化投资分析 python python 数据分析
目录Numpy1、概述2、基础操作2.1生成一个numpy的array数组：2.2自定义一个新的数据类型：np.dtype()3、并行化思想4、量化分析应用4.1索引选取和切片选择4.2数据转换与规整4.3逻辑条件进行数据筛选4.4通用序列函数4.5文件保存与读取Pandas1、简介2、Series和DataFrame的使用2.1Series2.2DataFrame3、量化分析应用3.1形成一个p
Python+Requests模拟发送GET请求爱学习的执念自动化测试软件测试技术分享 python 开发语言
模拟发送GET请求前置条件：导入requests库一、发送不带参数的get请求代码如下：以百度首页为例importrequests#发送get请求response=requests.get(url="http://www.baidu.com")print(response.content.decode("utf-8"))#以utf-8的编码输出内容二、发送带参数的get请求发送带参数的get请求有
Python极速入门：五分钟开启实战之旅！知白守黑V Python 编程语言系统运维 python 编程语言 python开发 python学习 python入门 python数据分析
1.Python基础语法和结构：了解Python的基本语法，包括变量、数据类型、运算符、注释等。控制流：掌握条件语句（if-elif-else）、循环（for和while）及其控制（break和continue）。函数：学习如何定义和使用函数，包括参数传递、返回值、作用域和闭包。模块和包：理解如何导入和使用模块，以及如何创建和使用自己的包。2.数据处理列表、元组和集合：学习这些序列类型的操作和方法
Python Flask 使用数据库安果移不动 python flask 开发语言
pipinstallflask_sqlalchemy官方文档：Flask-SQLAlchemy—Flask-SQLAlchemyDocumentation(3.1.x)为了不报错也需要导入另外两个库#pipinstallflask_sqlalchemy#pipinstallmysqlclient完整代码importosfromflaskimportFlaskfromflask_sqlalchemy
PaperWeekly sapienst Papers PaperwithCode General ML
1.Python软件包解决DL在未见过的数据分布下性能差的问题：（1）神经网络和损失分离的模块化设计（2）强大便捷的基准测试能力（3）易于使用但难以修改（4）github:https://github.com/marrlab/domainlabTrainer和Models之间是什么关系Trainer和Models是DomainLab中的两个核心概念。Trainer是一个用于指导数据流向模型并计算S
使用Python读取Excel文件并计算平均分嘻嘻爱编码 Python从入门到放弃 python excel 开发语言
在这篇博客中，我们将探讨如何使用Python的pandas库来读取Excel文件，并计算其中数据的平均分。pandas是一个强大的数据分析工具，它允许我们以简单直观的方式处理表格数据。安装必要的库在开始之前，确保你的环境中安装了pandas和openpyxl库。可以使用以下命令进行安装：pipinstallpandasopenpyxl读取Excel文件首先，我们需要读取Excel文件。假设我们有一
python项目练习——7.网站访问日志分析器 F—— python项目练习 python 信息可视化数据分析数据挖掘开发语言学习
项目功能分析：这个项目可以读取网站的访问日志文件，统计访问量、独立访客数、访问来源等信息，并以图表或表格的形式展示出来。这个项目涉及到文件操作、数据处理、数据可视化等方面的技术。示例代码：importrefromcollectionsimportCounterimportmatplotlib.pyplotaspltdefparse_log_file(log_file):#读取日志文件内容witho
【Linux】PyCharm无法启动报错及解决方法不是AI python 软件操作 Linux linux pycharm 运维
一、问题描述如图，笔者试图在Ubuntu18.04虚拟机上运行PyCharm开发工具（已安装，安装过程可以参考我的博客Ubuntu安装PyCharm），无法启动，报错：CannotconnecttoalreadyrunningIDEinstance.Exception:Process2574isstillrunning.报错截图如下：二、解决方法通过报错信息看出，出于某种原因，进程（PID为257
python的while双重循环九九乘法表 Jinm_R python 开发语言
a=1whilea<=9:b=1#乘数每次需要从1开始whileb<=a:print(f"{a}*{b}={a*b}\t",end='')#\t为制表符使乘法表整齐end=''代表用空格代替换行b+=1a+=1print()#乘数每加一换行
【Python】成功解决ModuleNotFoundError: No module named ‘torchinfo‘ 高斯小哥 BUG解决方案合集 python pytorch 新手入门学习 debug
【Python】成功解决ModuleNotFoundError:Nomodulenamed‘torchinfo’个人主页：高斯小哥高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程希望得到您的订阅和支持~创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）文
RNA-seq数据分析_未完成子诚之组学数据分析数据分析
目录基础分析1.质控（reads）2.比对3.质控（alignment）4.定量5.样本合并差异表达1.质控（cohort）2.差异分析3.可视化（差异）富集分析肿瘤免疫1.免疫组库2.免疫浸润3.免疫响应4.新抗原预测微生物组参考本文主要覆盖了肿瘤样本bulkRNA-seq数据常见的分析步骤，并从实践角度出发，较为具体地介绍了每一步骤依赖的工具和数据集。另外，尽管本文适用于肿瘤样本，但其中的一些
Python自动化测试web常见框架汇总自动化测试薰儿软件测试技术分享 python 前端开发语言
1、前言目前，有非常多的Python框架，用来帮助你更轻松的创建web应用。这些框架把相应的模块组织起来，使得构建应用的时候可以更快捷，也不用去关注一些细节（例如socket和协议），所以需要的都在框架里了。接下来我们会介绍不同的选项。经过初期的不起眼，Python已经成为互联网最流行的服务端编程语言之一。根据W3Techs的统计，它被用于很多的大流量的站点很多的大流量的站点很多的大流量的站点，超
python安装jupter在线ide 晚风拂柳颜生活小经验 python3 ide jupter
我在虚拟3.6.8的环境里面安装的，具体用了以下命令；pipinstallipython-ihttps://mirrors.aliyun.com/pypi/simple/pipinstalljupyter-ihttps://mirrors.aliyun.com/pypi/simple/jupyternotebook当然，jupter可以直接通过python环境里script目录下的jupyter-
java类加载顺序 3213213333332132 java
package com.demo; /** * @Description 类加载顺序 * @author FuJianyong * 2015-2-6上午11:21:37 */ public class ClassLoaderSequence { String s1 = "成员属性"; static String s2 = "
Hibernate与mybitas的比较 BlueSkator sql Hibernate 框架 ibatis orm
第一章 Hibernate与MyBatis Hibernate 是当前最流行的O/R mapping框架，它出身于sf.net，现在已经成为Jboss的一部分。 Mybatis 是另外一种优秀的O/R mapping框架。目前属于apache的一个子项目。 MyBatis 参考资料官网：http:
php多维数组排序以及实际工作中的应用 dcj3sjt126com PHP usort uasort
自定义排序函数返回false或负数意味着第一个参数应该排在第二个参数的前面, 正数或true反之, 0相等usort不保存键名uasort 键名会保存下来uksort 排序是对键名进行的 <!doctype html> <html lang="en"> <head> <meta charset="utf-8&q
DOM改变字体大小周华华前端
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml&q
c3p0的配置 g21121 c3p0
c3p0是一个开源的JDBC连接池，它实现了数据源和JNDI绑定，支持JDBC3规范和JDBC2的标准扩展。c3p0的下载地址是：http://sourceforge.net/projects/c3p0/这里可以下载到c3p0最新版本。以在spring中配置dataSource为例：  <bean name="prope
Java获取工程路径的几种方法 510888780 java
第一种： File f = new File(this.getClass().getResource("/").getPath()); System.out.println(f); 结果: C:\Documents%20and%20Settings\Administrator\workspace\projectName\bin 获取当前类的所在工程路径; 如果不加“
在类Unix系统下实现SSH免密码登录服务器 Harry642 免密 ssh
1.客户机 (1)执行ssh-keygen -t rsa -C "[email protected]"生成公钥，xxx为自定义大email地址 (2)执行scp ~/.ssh/id_rsa.pub root@xxxxxxxxx:/tmp将公钥拷贝到服务器上，xxx为服务器地址 (3)执行cat
Java新手入门的30个基本概念一 aijuans java java 入门新手
在我们学习Java的过程中,掌握其中的基本概念对我们的学习无论是J2SE,J2EE,J2ME都是很重要的,J2SE是Java的基础,所以有必要对其中的基本概念做以归纳,以便大家在以后的学习过程中更好的理解java的精髓,在此我总结了30条基本的概念。　　Java概述:　　目前Java主要应用于中间件的开发(middleware)---处理客户机于服务器之间的通信技术,早期的实践证明,Java不适合
Memcached for windows 简单介绍 antlove java Web windows cache memcached
1. 安装memcached server a. 下载memcached-1.2.6-win32-bin.zip b. 解压缩，dos 窗口切换到 memcached.exe所在目录，运行memcached.exe -d install c.启动memcached Server,直接在dos窗口键入 net start "memcached Server&quo
数据库对象的视图和索引百合不是茶索引 oeacle数据库视图
视图视图是从一个表或视图导出的表，也可以是从多个表或视图导出的表。视图是一个虚表，数据库不对视图所对应的数据进行实际存储，只存储视图的定义，对视图的数据进行操作时,只能将字段定义为视图,不能将具体的数据定义为视图为什么oracle需要视图; &
Mockito(一) --入门篇 bijian1013 持续集成 mockito 单元测试
Mockito是一个针对Java的mocking框架，它与EasyMock和jMock很相似，但是通过在执行后校验什么已经被调用，它消除了对期望行为（expectations）的需要。其它的mocking库需要你在执行前记录期望行为（expectations），而这导致了丑陋的初始化代码。 &nb
精通Oracle10编程SQL(5)SQL函数 bijian1013 oracle 数据库 plsql
/* * SQL函数 */ --数字函数 --ABS(n):返回数字n的绝对值 declare v_abs number(6,2); begin v_abs:=abs(&no); dbms_output.put_line('绝对值：'||v_abs); end; --ACOS(n):返回数字n的反余弦值，输入值的范围是-1~1，输出值的单位为弧度
【Log4j一】Log4j总体介绍 bit1129 log4j
Log4j组件：Logger、Appender、Layout Log4j核心包含三个组件：logger、appender和layout。这三个组件协作提供日志功能：日志的输出目标日志的输出格式日志的输出级别(是否抑制日志的输出) logger继承特性 A logger is said to be an ancestor of anothe
Java IO笔记白糖_ java
public static void main(String[] args) throws IOException { //输入流 InputStream in = Test.class.getResourceAsStream("/test"); InputStreamReader isr = new InputStreamReader(in); Bu
Docker 监控 ronin47 docker监控
目前项目内部署了docker，于是涉及到关于监控的事情，参考一些经典实例以及一些自己的想法，总结一下思路。 1、关于监控的内容监控宿主机本身监控宿主机本身还是比较简单的，同其他服务器监控类似，对cpu、network、io、disk等做通用的检查，这里不再细说。额外的，因为是docker的
java-顺时针打印图形 bylijinnan java
一个画图程序要求打印出： 1.int i=5; 2.1 2 3 4 5 3.16 17 18 19 6 4.15 24 25 20 7 5.14 23 22 21 8 6.13 12 11 10 9 7. 8.int i=6 9.1 2 3 4 5 6 10.20 21 22 23 24 7 11.19
关于iReport汉化版强制使用英文的配置方法 Kai_Ge iReport汉化英文版
对于那些具有强迫症的工程师来说，软件汉化固然好用，但是汉化不完整却极为头疼，本方法针对iReport汉化不完整的情况，强制使用英文版，方法如下：在 iReport 安装路径下的 etc/ireport.conf 里增加红色部分启动参数，即可变为英文版。 # ${HOME} will be replaced by user home directory accordin
[并行计算]论宇宙的可计算性 comsci 并行计算
现在我们知道,一个涡旋系统具有并行计算能力.按照自然运动理论,这个系统也同时具有存储能力,同时具备计算和存储能力的系统,在某种条件下一般都会产生意识...... 那么,这种概念让我们推论出一个结论 &nb
用OpenGL实现无限循环的coverflow dai_lm android coverflow
网上找了很久，都是用Gallery实现的，效果不是很满意，结果发现这个用OpenGL实现的，稍微修改了一下源码，实现了无限循环功能源码地址： https://github.com/jackfengji/glcoverflow public class CoverFlowOpenGL extends GLSurfaceView implements GLSurfaceV
JAVA数据计算的几个解决方案1 datamachine java Hibernate 计算
老大丢过来的软件跑了10天，摸到点门道，正好跟以前攒的私房有关联，整理存档。 -----------------------------华丽的分割线------------------------------------- 数据计算层是指介于数据存储和应用程序之间，负责计算数据存储层的数据，并将计算结果返回应用程序的层次。J &nbs
简单的用户授权系统,利用给user表添加一个字段标识管理员的方式 dcj3sjt126com yii
怎么创建一个简单的(非 RBAC)用户授权系统通过查看论坛，我发现这是一个常见的问题，所以我决定写这篇文章。本文只包括授权系统.假设你已经知道怎么创建身份验证系统(登录)。数据库首先在 user 表创建一个新的字段(integer 类型),字段名 'accessLevel',它定义了用户的访问权限扩展 CWebUser 类在配置文件(一般为 protecte
未选之路 dcj3sjt126com 诗
作者:罗伯特*费罗斯特黄色的树林里分出两条路, 可惜我不能同时去涉足, 我在那路口久久伫立, 我向着一条路极目望去, 直到它消失在丛林深处. 但我却选了另外一条路, 它荒草萋萋,十分幽寂; 显得更诱人,更美丽, 虽然在这两条小路上, 都很少留下旅人的足迹. 那天清晨落叶满地, 两条路都未见脚印痕迹. 呵,留下一条路等改日再
Java处理15位身份证变18位蕃薯耀 18位身份证变15位 15位身份证变18位身份证转换
15位身份证变18位，18位身份证变15位 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 201
SpringMVC4零配置--应用上下文配置【AppConfig】 hanqunfeng springmvc4
从spring3.0开始，Spring将JavaConfig整合到核心模块，普通的POJO只需要标注@Configuration注解，就可以成为spring配置类，并通过在方法上标注@Bean注解的方式注入bean。 Xml配置和Java类配置对比如下： applicationContext-AppConfig.xml <!-- 激活自动代理功能参看：
Android中webview跟JAVASCRIPT中的交互 jackyrong JavaScript html android 脚本
在android的应用程序中,可以直接调用webview中的javascript代码,而webview中的javascript代码,也可以去调用ANDROID应用程序(也就是JAVA部分的代码).下面举例说明之: 1 JAVASCRIPT脚本调用android程序要在webview中,调用addJavascriptInterface(OBJ,int
8个最佳Web开发资源推荐 lampcy 编程 Web 程序员
Web开发对程序员来说是一项较为复杂的工作，程序员需要快速地满足用户需求。如今很多的在线资源可以给程序员提供帮助，比如指导手册、在线课程和一些参考资料，而且这些资源基本都是免费和适合初学者的。无论你是需要选择一门新的编程语言，或是了解最新的标准，还是需要从其他地方找到一些灵感，我们这里为你整理了一些很好的Web开发资源，帮助你更成功地进行Web开发。这里列出10个最佳Web开发资源，它们都是受
架构师之面试------jdk的hashMap实现 nannan408 HashMap
1.前言。如题。 2.详述。 (1)hashMap算法就是数组链表。数组存放的元素是键值对。jdk通过移位算法（其实也就是简单的加乘算法），如下代码来生成数组下标(生成后indexFor一下就成下标了）。 static int hash(int h) { h ^= (h >>> 20) ^ (h >>>
html禁止清除input文本输入缓存 Rainbow702 html 缓存 input 输入框 change
多数浏览器默认会缓存input的值，只有使用ctl+F5强制刷新的才可以清除缓存记录。如果不想让浏览器缓存input的值，有2种方法：方法一：在不想使用缓存的input中添加 autocomplete="off"; <input type="text" autocomplete="off" n
POJO和JavaBean的区别和联系 tjmljw POJO java beans
POJO 和JavaBean是我们常见的两个关键字，一般容易混淆，POJO全称是Plain Ordinary Java Object / Pure Old Java Object，中文可以翻译成：普通Java类，具有一部分getter/setter方法的那种类就可以称作POJO，但是JavaBean则比 POJO复杂很多， Java Bean 是可复用的组件，对 Java Bean 并没有严格的规
java中单例的五种写法 liuxiaoling java 单例
/** * 单例模式的五种写法： * 1、懒汉 * 2、恶汉 * 3、静态内部类 * 4、枚举 * 5、双重校验锁 */ /** * 五、双重校验锁，在当前的内存模型中无效 */ class LockSingleton { private volatile static LockSingleton singleton; pri