panda中的 map 是 Series 中特有的方法,通过它可以对 Series 中的每个元素实现转换。
panda中的applymap 是 DataFrame 中特有的方法,通过它可以对 DataFrame 中的每个元素实现转换。
rename 用来修改列名,索引名
方法:df1.append(df2) 按照列索引纵向连接
函数:pd.concat() 可以通过指定轴,来进行不同方向的拼接, 拼接是以索引值相同作为拼接的方法. 拼接的是结构和内容相同的表.
例子:
# 纵向连接
pd.concat([grade_one, grade_two],sort=True )
# 以行索引进行合并 横向连接
pd.concat([grade_one, grade_two],sort=True, axis=1 )
# 以行索引进行合并, join='inner' 内连接, 只保留合并成功的
pd.concat([grade_one, grade_two],sort=True, axis=1,join='inner')
函数:pd.merge() 与mysql的join同理 数据库拼接: 使用场景: 把几个关系型数据表格按照某个字段进行拼接, 拼接的是不同的表.
# 内连接
pd.merge(grade_one, room,how='inner',on='姓名' )
# 左连接
pd.merge(grade_one, room,how='left',on='姓名' )
# 右连接
pd.merge(grade_one, room,how='right',on='姓名' )
# 外连接(全连接)
pd.merge(grade_one, room,how='outer',on='姓名' )
# 外连接
pd.merge(grade_one, room,how='outer',left_on='姓名', right_on='户主')
# 如果两个表格字段名称相同, 会自动添加后缀, 可以用suffixes 改变后缀
pd.merge(grade_one, room,how='outer',left_on='姓名',
right_on='户主',suffixes=('_左', '_右'), )
concat与merge的区别是前者按照行列索引值进行拼接,而后者可以按照指定字段进行拼接.
#最大显示行数
pd.set_option('display.max_rows', 200)
#最大显示列数
pd.set_option('display.max_columns', 200)
想用python的mark功能更改字号大小,但是输入###以后并没有变成标题大字,而是前面多了###,直接显示出来了,如图想问怎么才能在python里面使用MARK功能的时候更改字体大小