pandas之表连接与高级查询

上期内容：python最最最重要的数据分析工具之pandas

其实上一篇我们已经学习了数据筛选与查询，这里会介绍不一样的高级查询方式；还有一个重要的内容就是表连接。学过数据库的都知道SQL中表连接方式有左连接，右连接，内连接(交集)和全外连接(并集)，pandas也可以实现这些表格的连接。

✒️个人主页➡️：进来看看吧

系列专栏：保你不亏的

一、高级查询

1.1、query(条件)

a、单条件筛选

df = pd.DataFrame({'name':['王一','李二','赵四'],'class':['一班','二班','一班'],'sex':['男','女','女'],'score':[88,98,78]})
# 查询 分数在80分以上的的学生信息
df.query('score >80')

b、多条件筛选

# 查询 性别女 且 分数为78  的学生信息 
df.query('sex=="女" and score==78')

1.2、文本筛选 str.contains()

"""
用法：str.contains(pat, case=True, flags=0, na=nan, regex=True)是否包含查找的字符串 
参数:  
		pat : 字符串/正则表达式 
		case : 布尔值, 默认为True.如果为True则匹配敏感 
		flags :  整型,默认为0(没有flags) 
		na : 默认为NaN,替换缺失值. 
		regex : 布尔值, 默认为True.如果为真则使用re.research,否则使用Python 
		返回值: 布尔值的序列(series)或数组(array)
"""

df = pd.DataFrame({'name':['王一小','李二池','赵四'],'class':['一班','二班','一班'],'sex':['男','女','女'],'score':[88,98,78]})
# 筛选出姓名为三个字的学生信息
a = df['name'].str.contains('\w{3}')  # 返回的是布尔型 True或False  \w{3}  正则表达式 代表三个字符
df[a]
# 筛选出 一班 的学生信息
df[df['class'].str.contains('一班')]  

1.3、截断函数 truncate()

在使用.truncate()函数对df的某列进行数据筛选之前，需要先使用df = df.set_index('列名')，
将该列设置为索引，再使用df.sort_index()索引升序。.
用法：DataFrame.truncate(before=None, after=None, axis=None, copy=True)
参数  before：date，string，int，是指截断此索引值之后的所有行
	  after：date，string，int，是指截断此索引值前的所有行
	  axis：{0或’index’，1或’columns’}（可选），是指轴截断。 默认情况截断索引（行）。
	  copy：boolean，默认为True，返回截断部分的副本

df = pd.DataFrame({
    'date':['1','2','5','4','3'],
    'sale_money':[34,56,78,45,35]
})
df = df.set_index('date') .sort_index() 
# 筛选索引为2——4的数据
df.truncate(before='2',after='4')

df = pd.DataFrame({
    'date':['2022-04-16','2022-04-19','2022-04-18','2022-04-17','2022-04-20'],
    'sale_money':[34,56,78,45,35]
})
# 日期列设为索引并按时间升序
df = df.set_index('date') .sort_index() 
# 将索引类型设为日期类型
df.index.astype('datetime64[ns]')
# 筛选2022—04—17之后的数据
df.truncate(before='2022-04-17')

二、表连接

2.1、pandas.concat([表1,表2],axis,join,sort,ignore_index,keys)

参数	说明
[表1,表2]	需要连接的表 以元组\列表格式输入
axis	连接方向：0纵向连接,1横向连接
join	连接方式：inner内连接(交集) outer全外连接(并集)
sort	数据排序： True默认索引排序,False不排序 默认按照索引排序
ignore_index	是否忽略原索引 重置索引 一般纵向连接且索引无意义时用
keys	[‘df1’,‘df2’] 分别数据到底属于哪个表格的

dic1 = {
    '姓名':['王一','李二','赵四'],
    '成绩':[78,56,98]
}
dic2 = {
    '姓名':['王一','孙三','周六'],
    '成绩':[98,88,67]
}

df1 = pd.DataFrame(dic1,index=['a','b','c'])
df2 = pd.DataFrame(dic2,index=['a','d','e'])

# 内连接显示交集,两张表的索引都有a,因此只显示索引为a的行
pd.concat([df1,df2],axis=1,join='inner')
# axis=0 纵向连接,ignore_index=True忽略索引 重置
pd.concat([df1,df2],axis=0,ignore_index=True).T  # 为了方便观看, 转置 
# 横向连接,并表明那些列属于那个表格的
pd.concat([df1,df2],axis=1,keys=['df1','df2'])

2.2、df.merge(right, how, on, left_on, right_on,left_index, right_index, sort, suffixes)

参数	说明
right	需要连接的表
how	连接方式：inner\outer\left\right
on	有相同列名时，根据哪列连接
left_on\right_on	若列名不同，根据左\右表的哪个键
left_index\right_index	左\右表的索引作为连接键
sort	是否排序
suffixes	若有相同的列名,给它加后缀,如suffixes=(‘_df1’,‘_df2’)输出：列名_df1,列名_df2 默认_x,_y

# df1 语文成绩表,df2 数学成绩表
df1 = pd.DataFrame({'name':['王一','李二','赵四'],'score':[88,98,78]})
df2 = pd.DataFrame({'name':['李二','王一','赵四'],'class':['class1','class2','class1'],'score':[86,99,48]})

# 根据索引连接两张表
df1.merge(df2,left_index=True,right_index=True) 

# 根据name列连接,同时将score列进行区分(语文成绩、数学成绩)
df1.merge(df2,on='name',suffixes=('_chinese','_math'))

2.3、df.join([df],on)

参数	说明
[df]	需要连接的表 以列表格式输入
on	根据哪列连接

df1=pd.DataFrame({"A":["A0","A1","A2","A3"],
                 "B":["B0","B1","B2","B3"],
                 "key":["K0","K1","K0","K1"]})
df2=pd.DataFrame({"C":["C0","C1"],
                 "D":["D0","D1"]},
                index=["K0","K1"])
df3=pd.DataFrame({"E":["E1","E2"]})

df1.join(df2,on="key")  # df1和df2连接, df1的key列和df2的索引相匹配

df1.join([df2,df3])     # 多表连接,没有on选项 根据索引连接  
# 由于df2的索引与df1、df3都不同，因此输出的都是NaN, 而df1和df3索引中都有0和1 因此连接了         

下期预告：pandas数据处理三板斧之apply、map与applymap 喜欢的话就一键三连吧！！！