本文旨在介绍如何使用 Pandas 库合并两个数据帧，并基于特定列的值创建新的列。我们将演示如何通过 `merge()` 函数实现数据帧的连接，并使用 `suffix` 参数来区分不同来源的列，最终生成包含所需信息的整合数据帧。本文将提供详细的代码示例和解释，帮助读者掌握这一常用的数据处理技巧。
在数据分析和处理中，经常需要将来自不同数据源的数据进行整合。Pandas 库提供了强大的数据帧操作功能，可以轻松实现数据帧的合并和列的创建。本文将详细介绍如何使用 merge() 函数，基于共同的列（例如 ZIP 编码）合并两个数据帧，并根据 SEGMENT 列的值，创建新的 TERRITORY 列。
数据准备
首先，我们创建两个示例数据帧 df_1 和 df_2，它们都包含 ZIP、TERRITORY 和 SEGMENT 列。
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)
数据帧合并
接下来，使用 merge() 函数将 df_1 和 df_2 合并。on='ZIP' 指定了用于合并的共同列，how='outer' 表示进行外连接，保留两个数据帧中的所有行。suffix=['CR1','CR2'] 用于为相同列名添加后缀，以区分来自不同数据帧的列。
df_final = df_1.merge(df_2, how='outer', on='ZIP', suffixes=['_CR1','_CR2'])
print("\ndf_final before processing:\n", df_final)
处理缺失值并重命名列
由于外连接会引入缺失值（NaN），我们需要将这些缺失值替换为 0。此外，我们还需要重命名列，使其更符合最终目标数据帧的结构。
# 将 NaN 替换为 0
df_final = df_final.fillna(0)
# 重命名列
df_final = df_final.rename(columns={'TERRITORY_CR1': 'CR1_TERRITORY', 'TERRITORY_CR2': 'CR2_TERRITORY'})
# 删除不需要的SEGMENT列
df_final = df_final.drop(columns=['SEGMENT_CR1', 'SEGMENT_CR2'])
print("\ndf_final after processing:\n", df_final)
结果
经过上述操作，我们得到了最终的数据帧 df_final，它包含了所有 ZIP 编码，以及对应的 CR1_TERRITORY 和 CR2_TERRITORY 值。
总结
本文介绍了如何使用 Pandas 库合并两个数据帧，并基于 SEGMENT 列的值创建新的 TERRITORY 列。通过 merge() 函数、外连接和列重命名，我们可以灵活地整合来自不同数据源的数据，并生成所需格式的数据帧。在实际应用中，可以根据具体需求调整合并方式、列名和缺失值处理方式，以满足不同的数据处理需求。
注意事项
- 确保用于合并的列（例如 ZIP）的数据类型一致。如果数据类型不一致，可能会导致合并失败或产生错误的结果。
- 根据实际情况选择合适的连接方式（how 参数）。inner、outer、left 和 right 连接分别适用于不同的场景。
- 在处理缺失值时，需要根据实际业务逻辑选择合适的填充值。将 NaN 替换为 0 只是其中一种处理方式。
- 在重命名列时，要确保新的列名具有清晰的含义，方便后续的数据分析和处理。
