《机器学习技术应用》课件-pro1-2-2校园消费刷卡数据索引与合并

授课教师：赵

宇项目一智慧校园消费数据分析任务二

提取18级校园消费数据模块目标：提取18级学生校园消费数据data1：18级学生基本信息data2：消费数据任务拆解：18级学生的校园消费数据读：数据读取，查看基本内容合并：data1（18级学生基本信息）和data2（消费数据刷卡记录）查：缺失值；清洗：缺失值存：合并后的数据模块2:校园消费刷卡数据合并任务二

提取18级校园

消费数据Pandas中DataFrame索引、选取数据print(data2['消费时间'])#数据名[列名]Pandas中DataFrame索引、选取数据print(data2[['消费时间','消费金额']])#数据名[[列名1,列名2,...,列名n]]Pandas中DataFrame索引、选取数据loc：通过行、列的名称或标签来索引iloc：通过行、列的索引位置来寻找数据print(data2.loc[:,'消费时间'])print(data2.iloc[:,3])##所有行，第三列Pandas中DataFrame索引、选取数据loc：通过行、列的名称或标签来索引iloc：通过行、列的索引位置来寻找数据print(data2.iloc[:3,3])##前3行，第三列print(data2.iloc[:3,:3])##前3行，前3列

##前3行，第三列##前3行，前3列

1.使用concat()函数concat()函数用于沿一个轴将多个对象堆叠到一起。2.使用merge()函数merge()函数用于根据一个或多个键将行连接起来选择合并方法的决策流程1.是否需要简单堆叠？是→pd.concat()2.是否需要基于列的值关联？是→df.merge()3.是否需要基于索引合并？是→df.join()4.是否需要填充缺失值？是→bine_first()5.是否需要覆盖旧值？是→df.update()pd.concat()：沿轴拼接数据功能：将多个DataFrame或Series沿行（纵向）或列（横向）拼接。适用场景：结构相同的数据简单堆叠。语法：pd.concat()pd.concat(objs,#要拼接的对象列表（如[df1,df2]）axis=0,#0沿行拼接（纵向），1沿列拼接（横向）join='outer',#合并方式：'outer'（并集）或'inner'（交集）ignore_index=False#是否忽略原索引，重建新索引)importpandasaspddf1=pd.DataFrame({'A':[1,2],'B':[3,4]})df2=pd.DataFrame({'A':[5,6],'B':[7,8]})#纵向拼接（默认axis=0）result=pd.concat([df1,df2],ignore_index=True)AB013124257368df.join()：基于索引的合并功能：将另一个DataFrame的列合并到当前DataFrame的索引上。适用场景：快速基于索引合并，尤其是处理时间序列数据。语法：df1.join(df2,how='left',#合并方式：'left','right','outer','inner'on=None,#指定df1的某列作为键（默认用索引）lsuffix='',#左侧重复列名的后缀rsuffix=''#右侧重复列名的后缀)df1=pd.DataFrame({'A':[1,2]},index=['X','Y'])df2=pd.DataFrame({'B':[3,4]},index=['X','Y'])#基于索引合并result=df1.join(df2)ABX13Y24pd.merge()data1_merge_data2=pd.merge(data1,data2,how='left',left_on='校园卡号',right_on='校园卡号')print(data1_merge_data2)print(data1_merge_data2.shape)merge()函数，用于合并两个或多个数据集。类似于MYSQL中的JOIN操作，按照一个或多个键将数据集中的行连接起来。基本格式：pd.merge(left,right,how='inner',on=None,left_on=None,right_on=None,left_index=False,right_index=False,sort=True)left:第一个数据集。right:第二个数据集。how:指定合并方式。①'inner'（默认）:只保留两个数据集中都有的键的行。②'outer':保留两个数据集中的所有行，如果某一边没有匹配的键，则该边的结果为NaN。③'left':保留左侧数据集的所有行，右侧没有匹配的键则为NaN。④'right':保留右侧数据集的所有行，左侧没有匹配的键则为NaN。on:指定用于连接的列名。必须在左右数据集中都存在。left_on:左侧数据集中用作连接键的列。right_on: