本文旨在指导读者如何使用 Pandas 库合并两个 DataFrame，并根据特定列的值创建新的列。我们将通过一个实际示例，演示如何将包含不同 "SEGMENT" 值的 DataFrame 合并，并基于 "SEGMENT" 值提取 "TERRITORY" 信息，最终生成包含 "CR1_TERRITORY" 和 "CR2_TERRITORY" 列的汇总 DataFrame。
DataFrame 合并与列创建：详细步骤
在数据处理过程中，经常需要将多个 DataFrame 按照一定的规则合并，并基于某些列的值创建新的列。Pandas 提供了强大的 merge() 函数来实现这一目标。以下我们将详细介绍如何使用 merge() 函数解决上述问题。
1. 数据准备
首先，我们需要准备两个 DataFrame df_1 和 df_2。这两个 DataFrame 包含相同的 "ZIP" 列，但 "TERRITORY" 和 "SEGMENT" 列的值不同。
import pandas as pd
# 创建 df_1
data_1 = {'ZIP': [93517, 31625, 89311],
'TERRITORY': [1001, 1002, 1002],
'SEGMENT': ['CR1', 'CR1', 'CR1']}
df_1 = pd.DataFrame(data_1)
# 创建 df_2
data_2 = {'ZIP': [93517, 31625, 72844],
'TERRITORY': [2001, 2002, 2003],
'SEGMENT': ['CR2', 'CR2', 'CR2']}
df_2 = pd.DataFrame(data_2)
print("df_1:\n", df_1)
print("\ndf_2:\n", df_2)2. 使用 merge() 函数合并 DataFrame
merge() 函数可以根据指定的列将两个 DataFrame 合并。在本例中，我们希望根据 "ZIP" 列进行合并，并使用 "outer" 连接方式，以保留两个 DataFrame 中的所有 "ZIP" 值。同时，为了区分来自不同 DataFrame 的 "TERRITORY" 列，我们使用 suffix 参数添加后缀。
df_final = df_1.merge(df_2, how='outer', on='ZIP', suffixes=['_CR1', '_CR2'])
print("Initial merged df_final:\n", df_final)3. 重命名列
合并后，我们需要将 "TERRITORY_CR1" 和 "TERRITORY_CR2" 列重命名为 "CR1_TERRITORY" 和 "CR2_TERRITORY"。
df_final = df_final.rename(columns={'TERRITORY_CR1': 'CR1_TERRITORY', 'TERRITORY_CR2': 'CR2_TERRITORY'})
print("Renamed df_final:\n", df_final)4. 处理缺失值 (NaN)
由于我们使用了 "outer" 连接，因此在某些 "ZIP" 值上，可能只有一个 DataFrame 包含 "TERRITORY" 信息。在这种情况下，合并后的 DataFrame 将包含缺失值 (NaN)。我们需要将这些缺失值替换为 0。
df_final = df_final.fillna(0)
print("df_final with NaN filled:\n", df_final)5. 删除 "SEGMENT_CR1" 和 "SEGMENT_CR2" 列
因为题目中要求的最终结果不包含segment信息，因此删除多余的列
df_final = df_final.drop(columns=['SEGMENT_CR1', 'SEGMENT_CR2'])
print("Final df_final:\n", df_final)完整代码示例
import pandas as pd
# 创建 df_1
data_1 = {'ZIP': [93517, 31625, 89311],
'TERRITORY': [1001, 1002, 1002],
'SEGMENT': ['CR1', 'CR1', 'CR1']}
df_1 = pd.DataFrame(data_1)
# 创建 df_2
data_2 = {'ZIP': [93517, 31625, 72844],
'TERRITORY': [2001, 2002, 2003],
'SEGMENT': ['CR2', 'CR2', 'CR2']}
df_2 = pd.DataFrame(data_2)
# 合并 DataFrame
df_final = df_1.merge(df_2, how='outer', on='ZIP', suffixes=['_CR1', '_CR2'])
# 重命名列
df_final = df_final.rename(columns={'TERRITORY_CR1': 'CR1_TERRITORY', 'TERRITORY_CR2': 'CR2_TERRITORY'})
# 处理缺失值
df_final = df_final.fillna(0)
# 删除segment列
df_final = df_final.drop(columns=['SEGMENT_CR1', 'SEGMENT_CR2'])
# 打印结果
print(df_final)注意事项
- merge() 函数的 how 参数指定连接方式，常用的有 "inner" (内连接), "outer" (外连接), "left" (左连接) 和 "right" (右连接)。
- suffix 参数用于区分来自不同 DataFrame 的同名列。
- fillna() 函数用于处理缺失值，可以根据实际情况选择不同的填充值或填充方法。
- 根据实际情况调整列名重命名和列删除的步骤。
总结
通过本文的介绍，您应该掌握了如何使用 Pandas 的 merge() 函数合并 DataFrame，并根据特定列的值创建新的列。这种方法在数据处理中非常常见，可以帮助您构建更丰富、更有用的数据表。灵活运用 merge() 函数的各个参数，可以满足各种复杂的数据合并需求。
