【博学谷学习记录】超强总结，用心分享 | 人工智能常用数据分析库pandas入门（4）

在前几篇关于 pandas 的文章中，笔者分别介绍了：
pandas 的基本数据结构、数据对象的创建和查看；
pandas 数据的数值运算、统计和排序；
对 DataFrame 类型数据的索引和轴进行的一些操作。
本篇介绍添加数据和合并数据。

添加数据

给已有DataFrame添加一列，可以使用直接赋值：df[‘列名’] = [‘值’] 或者 df[‘列名’] = Series对象，也可以使用 assign 方法：

• df.assign(**kwargs)
  该方法可以添加一列或者多列，可以直接传入新列也可以在原有列的基础上进行运算产生新列。注意：该方法返回一个新数据，不会改变原数据。

给已有DataFrame/Series添加行，可采用 append 方法：

• df.append(other, ignore_index=False, verfy_integrity=False, sort=False)或者series.append(to_append, ignore_index=False, verfy_integrity=False)
  该方法添加的数据可以是一个DataFrame/Series对象或者其列表，DataFrame对象还可以通过一个字典添加一行数据。DataFrame对象添加结果的列是两个数据列的并集。

给已有DataFrame/Series添加特定数据可以使用 combine_first 和 combine 方法：

• df.combine_first(other_df) 或者 series.combine_first(other_series)
  该方法用参数对象中的数据给调用者填补空缺、增加数据。结果的index/columns是两个数据的并集。结果中每个元素值这样产生：如果调用者不是NaN，则选择调用者的值；如果调用者是NaN，则选择参数的值。
• df.combine(other_df, func, fill_value, overwrite=True) 或者 series.combine(other_series, func, fill_value)
  该方法采用 func 函数获得合并后的元素值，结果的 index/columns 是两个数据的并集。
  fill_value：一个标量，在合并之前先用它来填充 NaN。
  overwrite：若为 True 则原地修改调用者；若为 False，则返回一个新对象。

上述示例如下：

import numpy as np
import pandas as pd

df1 = pd.DataFrame({'c1':[1,2,9,6,8],'c3':[5,2,1,7,1],'c4':[3,5,0,2,0]},index = ['a','c','d','f','p'])
df1['c2'] = [-2,0,-3,-5,9]       # 直接赋值添加一列
df1['c5'] = df['c3'] / df['c1']  # 通过运算添加一列
df1.assign(col5=[-12,13,14,15,16],col6=[2,1,4,1,6])  # 添加两列
df1.assign(col5=df["c1"] * 3 / 4 + 25)               # 通过运算添加一列
df1.assign(col5=lambda x: x.c1 / 2 + 20)             # 通过函数添加一列

df2 = pd.DataFrame({'c1':[0,1],'c2':[-2,7],'c3':[-9,5]},index = ['a','c'])
df3 = pd.DataFrame({'c1':['pp','po'],'c2':[90,70],'c3':[-9,5]})
df1.append(df2)         
df1.append([df2, df3])  
data_dict = {'c1':'n1','c2':'n2','c3':'n3','c4':'n4'}
df1.append(data_dict, ignore_index=True)  # 使用字典添加行，ignore_index必须为True

df1.combine_first(df2)  # 填补空缺、增加数据
df1.combine(df2, func=lambda x,y: y if np.isnan(x['a']) else x)  # 根据函数添加合并数据

合并数据

整理数据时，可能需要多张表格组合到一起才能进行某些问题的分析，因此数据合并也是常用操作，主要有 concat、merge、join 三个方法，其中：concat 是 pandas 内置方法，join 是 DataFrame 类对象方法，merge 既是 pandas 内置方法也是 DataFrame 类对象方法。

• pd.concat(objs, axis=0, join='outer', ignore_index=False, keys, levels, names, verify_integrity=False, sort=False, copy=True)
  该方法是拼接，即把多个数据拼接起来，常用参数是：
  objs：待拼接的、一个元素为 Series/DataFrame 的序列或者字典。
  axis：取 0/‘index’/，表示竖着拼接增加行；取 1/‘columns’，表示横着拼接增加列。
  join：指定拼接时如何处理其他轴上的索引，可以为 ‘inner’ 或 ‘outer’ 。
  ignore_index：是否忽略原索引，如果为 True，则拼接后索引取值为 0,1,2…

• pd.merge(left, right, how='inner', on, left_on, right_on, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate)
  该方法根据一或者多个键将不同 DataFrame 的行连接起来，实现的是数据库的连接操作，常用参数是：
  left、right：待合并的 DataFrame 对象。若是 DataFrame 对象方法则只有right 。
  how：指定连接类型，可以是：‘left’（左连接）、‘right’（右连接）、‘outer’（外连接）、‘inner’（内连接，默认）。
  on：指定用作连接键的列的 label，必须在两个 DataFrame 中都存在，如果为None，则使用两个 DataFrame 的列 label 的交集。也可以通过 left_on/right_on 参数分别指定两侧 DataFrame 对齐的连接键。
  suffixes：一个二元序列。对于结果中同名的列，它会添加前缀来指示它们来自哪个 DataFrame。

• df.join(other, on, how='left', lsuffix='', rsuffix='', sort=False)
  该方法是 merge 的简化版，当所有的连接键来自于某列值，则可以使用函数。
  on：指定以调用者的那个 column 对应的列为键。
  how：参考 merge 的 how 。
  lsuffic/rsuffix：参考 merge 的 suffixes，如果结果中有重名的列，则必须指定它们之一。

示例如下：

pd.concat([df1,df2,df3])  # 竖着拼接df1/df2/df3

pd.merge(df1, df2, how='left', on='c3')  # 与 df1.merge(df2, how='left', on='c3') 相同

df4 = pd.DataFrame({'c1':[-1,-2,9,-6,8],'c3':[-5,2,-1,7,1],'c4':[-3,-5,0,-2,0]})
df1.join(df4, on='c3', how='inner', lsuffix='xx', rsuffix='==')  # 使用df1的'c3'进行拼接

以上。