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！
公司主营业务：成都做网站、成都网站建设、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。创新互联建站是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。创新互联建站推出饶平免费做网站回馈大家。
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。
重庆分公司
重庆分公司
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。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
