Python中怎么使用Pandas实现数据清洗后的数据整合

这篇文章主要讲解了“Python中怎么使用Pandas实现数据清洗后的数据整合”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python中怎么使用Pandas实现数据清洗后的数据整合”吧！

Pandas合并数据

组合或合并数据时，pandas 有几个不同选项。在 Jupyter的Notebook中，创建两个新的数据帧并合并数据。可以使用 append() 来合并这些数据帧。【案例】将城市名，人口和面积的两组数据合并。

import pandas as pd
data = {'city':['London','Manchester','Birmingham','Leeds','Glasgow'],
        'population': [9787426,  2553379,2440986,1777934,1209143],
        'area':[1737.9,630.3,598.9,487.8,  368.5 ]}
cities = pd.DataFrame(data)
data2 = {'city':['Liverpool','Southampton'],
        'population': [864122,  855569],
        'area':[199.6,   192.0]}
cities2 = pd.DataFrame(data2)
cities = cities.append(cities2)
cities

其操作是“data1 = data1.append(data2)” 将data2连接到data1的尾部。再赋值给data1。要注意data1和data2应具有相同的结构。

B..concat()

frames = [cities, cities2]
df = pd.concat(frames)
df

像其在ndarray上的同级函数一样numpy.concatenate()，pandas.concat()采用同类对象的列表或字典。

frames = [cities, cities2]
df = pd.concat(frames, keys=['x', 'y'])
df

加入关键字keys参数进行不同数据来源的区分。

然后可以根据数据来源直接查看定位所需的数据。

df.loc['y']

感谢各位的阅读，以上就是“Python中怎么使用Pandas实现数据清洗后的数据整合”的内容了，经过本文的学习后，相信大家对Python中怎么使用Pandas实现数据清洗后的数据整合这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！