本文旨在提供一个清晰、简洁的指南，介绍如何使用 Pandas 合并两个数据帧，并基于特定列的值创建新的列。我们将通过一个具体的例子，演示如何将两个包含 ZIP 代码、区域和分段信息的数据帧合并，并根据分段类型生成新的区域列。
Pandas 库提供了强大的数据处理功能，其中数据帧的合并是常见的操作之一。本教程将重点介绍如何合并两个数据帧，并根据特定列的值创建新的列，以满足特定的数据分析需求。我们将以一个实际案例出发，讲解如何利用 merge() 函数实现这一目标。
数据准备
首先，我们需要准备两个数据帧 df_1 和 df_2，它们都包含 ZIP、TERRITORY 和 SEGMENT 列。df_1 包含 CR1 分段的数据，而 df_2 包含 CR2 分段的数据。
import pandas as pd
df_1 = pd.DataFrame({
'ZIP': [93517, 31625, 89311],
'TERRITORY': [1001, 1002, 1002],
'SEGMENT': ['CR1', 'CR1', 'CR1']
})
df_2 = pd.DataFrame({
'ZIP': [93517, 31625, 72844],
'TERRITORY': [2001, 2002, 2003],
'SEGMENT': ['CR2', 'CR2', 'CR2']
})
print("df_1:\n", df_1)
print("\ndf_2:\n", df_2)数据帧合并与列创建
我们的目标是将这两个数据帧合并成一个新的数据帧 df_final，其中包含 ZIP 列，以及根据 SEGMENT 值创建的 CR1_TERRITORY 和 CR2_TERRITORY 列。
可以使用 Pandas 的 merge() 函数来实现这个目标。merge() 函数允许我们根据一个或多个公共列合并两个数据帧。在本例中，我们将使用 ZIP 列作为公共列，并使用 how='outer' 参数进行外连接，以保留两个数据帧中的所有行。suffix 参数用于区分两个数据帧中同名的列。
df_final = df_1.merge(df_2, how='outer', on='ZIP', suffixes=['_CR1', '_CR2'])
print("\nMerged df_final:\n", df_final)处理缺失值
由于外连接会保留两个数据帧中的所有行，因此 df_final 中可能会出现缺失值（NaN）。我们需要将这些缺失值替换为 0。
df_final['TERRITORY_CR1'] = df_final['TERRITORY_CR1'].fillna(0)
df_final['TERRITORY_CR2'] = df_final['TERRITORY_CR2'].fillna(0)
print("\ndf_final with filled NaN:\n", df_final)重命名列
为了使列名更清晰，我们可以重命名 TERRITORY_CR1 和 TERRITORY_CR2 列为 CR1_TERRITORY 和 CR2_TERRITORY。
df_final = df_final.rename(columns={'TERRITORY_CR1': 'CR1_TERRITORY', 'TERRITORY_CR2': 'CR2_TERRITORY'})
print("\ndf_final with renamed columns:\n", df_final)选择需要的列
最后，我们只保留 ZIP、CR1_TERRITORY 和 CR2_TERRITORY 列。
df_final = df_final[['ZIP', 'CR1_TERRITORY', 'CR2_TERRITORY']]
print("\nFinal df_final:\n", df_final)完整代码示例
import pandas as pd
df_1 = pd.DataFrame({
'ZIP': [93517, 31625, 89311],
'TERRITORY': [1001, 1002, 1002],
'SEGMENT': ['CR1', 'CR1', 'CR1']
})
df_2 = pd.DataFrame({
'ZIP': [93517, 31625, 72844],
'TERRITORY': [2001, 2002, 2003],
'SEGMENT': ['CR2', 'CR2', 'CR2']
})
df_final = df_1.merge(df_2, how='outer', on='ZIP', suffixes=['_CR1', '_CR2'])
df_final['CR1_TERRITORY'] = df_final['TERRITORY_CR1'].fillna(0)
df_final['CR2_TERRITORY'] = df_final['TERRITORY_CR2'].fillna(0)
df_final = df_final[['ZIP', 'CR1_TERRITORY', 'CR2_TERRITORY']]
print(df_final)总结与注意事项
- merge() 函数是 Pandas 中合并数据帧的强大工具。
- how 参数控制合并的方式，常用的有 inner、outer、left 和 right。
- on 参数指定用于合并的公共列。
- suffixes 参数用于区分两个数据帧中同名的列。
- 在合并后，可能需要处理缺失值。
- 根据实际需求，可以选择需要的列。
本教程提供了一个使用 Pandas 合并数据帧并基于值创建列的示例。通过理解 merge() 函数的用法和掌握数据处理的技巧，可以灵活地应对各种数据分析任务。希望本教程能够帮助你更好地使用 Pandas 进行数据处理。
