合并多个数据集

使用 pandas 高效导入数据

Amany Mahfouz

Instructor

连接（Concatenating）

用例：将一个 DataFrame 的行添加到另一个
concat()
- pandas 函数
- 语法：pd.concat([df1,df2])
- 将 ignore_index 设为 True 可重编号

连接（Concatenating）

# 获取前 20 个书店结果
params = {"term": "bookstore", 
          "location": "San Francisco"}  
first_results = requests.get(api_url,
                             headers=headers,
                             params=params).json()

first_20_bookstores = json_normalize(first_results["businesses"],
                                     sep="_")

print(first_20_bookstores.shape)

(20, 24)

# 获取接下来的 20 个书店
params["offset"] = 20
next_results = requests.get(api_url,
                            headers=headers,
                            params=params).json()

next_20_bookstores = json_normalize(next_results["businesses"],
                                    sep="_")

print(next_20_bookstores.shape)

(20, 24)

# 合并书店数据集并重编号行
bookstores = pd.concat([first_20_bookstores, next_20_bookstores],
                        ignore_index=True)

print(bookstores.name)

0                             City Lights Bookstore
1                            Alexander Book Company
2                                 Borderlands Books
3                                   Alley Cat Books
4                                   Dog Eared Books
...                                             ...
35                                     Forest Books
36                San Francisco Center For The Book
37                           KingSpoke - Book Store
38                            Eastwind Books & Arts
39                                      My Favorite
Name: name, dtype: object

合并（Merging）

用例：合并数据集以添加关联列
数据集有具有共同值的键列
merge()：pandas 版 SQL 连接

合并（Merging）

merge()
- 既是 pandas 函数也是 DataFrame 方法
df.merge() 参数
- 要合并的第二个 DataFrame
- 用于合并的列
  - 两边列同名用 on
  - 键名不同用 left_on 和 right_on
  - 键列应为相同数据类型

call_counts.head()

  created_date  call_counts
0   01/01/2018         4597
1   01/02/2018         4362
2   01/03/2018         3045
3   01/04/2018         3374
4   01/05/2018         4333

weather.head()

         date    tmax  tmin  
0  12/01/2017      52    42  
1  12/02/2017      48    39  
2  12/03/2017      48    42  
3  12/04/2017      51    40  
4  12/05/2017      61    50

合并（Merging）

# 按日期列将 weather 合并到 call_counts
merged = call_counts.merge(weather, 
                           left_on="created_date", 
                           right_on="date")

print(merged.head())

  created_date  call_counts        date  tmax  tmin
0   01/01/2018         4597  01/01/2018    19     7
1   01/02/2018         4362  01/02/2018    26    13
2   01/03/2018         3045  01/03/2018    30    16
3   01/04/2018         3374  01/04/2018    29    19
4   01/05/2018         4333  01/05/2018    19     9

合并（Merging）

   created_date  call_counts        date  tmax  tmin
0    01/01/2018         4597  01/01/2018    19     7
1    01/02/2018         4362  01/02/2018    26    13
2    01/03/2018         3045  01/03/2018    30    16
3    01/04/2018         3374  01/04/2018    29    19
4    01/05/2018         4333  01/05/2018    19     9

merge() 默认：仅返回两数据集中都存在的值
每个匹配值对应一条记录
- 多个匹配会生成多条记录

Passons à la pratique !

使用 pandas 高效导入数据