這幾天遇到一些合併表的需求。需要將多個表進行橫向合併。查閱pandas的功能,提供了這個鏈結的作用。以下是讀取多個csv的資料下面看一下實驗過程。
首先,我們將**設定為csv格式,每乙個**只包含2個字段id和price**2個字段。
依次類推,建五個表,每乙個表分別是 這樣資料。
1 20
2 30
3 40
4 50
5 60
接下來利用pandas進行橫向合併。pandas 提供read_csv資料,這個讀取後返回dataframe 物件。依次讀取5個資料。這看起來並不美觀,但是我們依次將命名不同資料df1…df5。有了這個資料,pandas可以採取鏈結方式將五個資料進行相關聯起來。看如下**。
import pandas as pd
df1 = pd.read_csv(
'./dian/1.csv'
)df2 = pd.read_csv(
'./dian/2.csv'
)df3 = pd.read_csv(
'./dian/3.csv'
)df4 = pd.read_csv(
'./dian/4.csv'
)df5 = pd.read_csv(
'./dian/5.csv'
)# 橫向合併
res = pd.concat(
[df1, df2, df3, df4, df5]
, axis=1)
# 列印結果
開啟生成如下。
縱向合併**和橫向的基本上保持一致。不同之處改變一下方向設定為縱向。看如下**。
res = pd.concat([df1, df2, df3, df4, df5], axis=0)
import pandas as pd
df1 = pd.read_csv(
'./dian/1.csv'
)df2 = pd.read_csv(
'./dian/2.csv'
)df3 = pd.read_csv(
'./dian/3.csv'
)df4 = pd.read_csv(
'./dian/4.csv'
)df5 = pd.read_csv(
'./dian/5.csv'
)# 橫向合併
res = pd.concat(
[df1, df2, df3, df4, df5]
, axis=0)
# 列印結果
以上2個也是pandas裡面比較有用的功能。**也非常簡潔。同理,
pd.read_excel讀取excel方式也是可以實現類似功能,只是2者格式不一樣而已。
學習Python大資料處理模組Pandas
適合初學入門 本節基本了解pandas裡的一些資料結構和模組的基本使用,初步了解pandas的提供的一些功能,學會基本使用。通過python的zip構造出一元組組成的列表作為dataframe的輸入資料rec。in 3 import pandas as pd in 4 import random i...
python統計excel利用pandans的分組
python統計excel利用pandans的分組,其中還用列表資料求差集 csv資料結構 有三個按照日期統計的csv 需要統計出這三張csv按照areaid缺少的type和bdtype 其中type 1,2,3,4 bdtype 1,3,4 原始碼如下 第一步資料初步處理刪除非必須列 coding...
python資料分析筆記中panda 3
1 按照空格將一列的內容分為兩列 1 from pandas import series 2from pandas import dataframe 3from pandas import read csv 45 欄位的拆分 按照固定的字元 拆分已有的字串 6 函式 splite sep,n.exp...