Python学习笔记7

数据准备： 初始数据为包含3个工作簿的Excel工作表，3个工作簿的列标签都一致。 这里附上数据表：workbook1.xlsx 读取数据： 读取上面三个工作簿的数据以DataFrame格式存储，并查看其中一个： （前两个sheet各有100行数据，第三个sheet有112行数据，不计首行） 合并数据： 1）pd.concat()方法 得到的数据表结果显示“312 rows × 9 columns”，共312行9列，数据纵向合并成功。 没完，发现数据展示的最后一行的索引值是“111”，这么一看数据好像只有112行？ （其实是一个简单问题，活跃下气氛，大佬们略过就好_(:з」∠)_） 这里是因为数据合并是原数据表的索引没有重置，可以添加参数 “ignore_index=True” 重置索引再合并： 除此之外，还可以使用reset_index()直接对新表进行索引重置，语法如下：

当需要合并的表格有多个时，可以构建for循环来简化操作，如下： 这里循环构建的前提是各个sheet名之间有一定的规律性。 2）append()方法 同样在多表合并时也可以利用for循环：

数据准备： 两个数据表：t1.csv、t2.csv，都是拆分后的景点信息，可以按 t1 的 dname1 和 t2 的 dname2作为匹配条件进行匹配合并。

DataFrame 横向合并使用的函数是 pd.merge()，合并逻辑类似 SQL 当中的内外连接查询，具体就不展开了，可以参考我的这一篇博客：SQL学习笔记2——内、外连接查询，使用的是同样的数据。

下面开始实操：

合并数据： 1）内连接 这里的参数“ how=‘inner’ ”是可以省略的，默认合并方式就是以内连接形式 对比SQL当中内连接的结果，可以看到是一模一样的： 2）外连接 外连接同理，连接结果与SQL当中的外连接是一样的，下面直接放图对比。 左连接： 右连接：

1） 两个或多个DataFrame之间可以纵向或横向合并，纵向合并增添行，横向合并增添列； 2） 纵向合并通常会利用 xlrd工具包来获取 Excel 工作表的 sheet名，可以使用 pd.concat() 或 append() 方法进行合并； 3） 横向合并类似SQL中的内外连接查询，根据需求对应进行内连接、左连接、右连接等操作。