pandas stack merge

Pandas 是一个流行的 Python 数据分析库，提供了许多强大的功能来处理和操作数据。

"stack" 是 DataFrame 类的一个方法，用于将 DataFrame 的列标签（column labels）转换为行索引（row index）。这样做可以将宽格式（wide format）的数据转换为长格式（long format），使得数据更容易分析和处理。

使用 stack 方法，可以将 DataFrame 的列索引变为新的最内层行索引，生成一个多层次索引的 Series。这样一来，每个最内层索引代表了原 DataFrame 中的一个列标签，并且对应的值就是原 DataFrame 中对应位置的数值。

例如，假设我们有以下的 DataFrame：

import pandas as pd

data = {'A': [1, 2, 3],
        'B': [4, 5, 6],
        'C': [7, 8, 9]}

df = pd.DataFrame(data)

原 DataFrame df 如下所示：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

可以使用 stack 方法将列标签转换为行索引：

df_stacked = df.stack()

转换后的 DataFrame df_stacked 如下所示：

0  A    1
   B    4
   C    7
1  A    2
   B    5
   C    8
2  A    3
   B    6
   C    9
dtype: int64

"merge" 是 DataFrame 类的另一个方法，用于根据列或行的值，将两个以上的 DataFrame 合并。它类似于数据库中的 join 操作。

我们可以通过指定要合并的两个 DataFrame 以及参考的列或行，使用 merge 方法将它们合并成一个新的 DataFrame。

例如，假设我们有以下两个 DataFrame：

df1 = pd.DataFrame({'key': ['A', 'B', 'C'],
                    'value1': [1, 2, 3]})

df2 = pd.DataFrame({'key': ['B', 'C', 'D'],
                    'value2': [4, 5, 6]})

我们可以根据 'key' 列将这两个 DataFrame 合并：

merged = pd.merge(df1, df2, on='key')

合并后的 DataFrame merged 如下所示：

  key  value1 value2
0   B       2      4
1   C       3      5

在这个例子中，合并操作基于 'key' 列的值，将 df1 和 df2 中的对应行合并到一起，并生成一个包含合并结果的新 DataFrame。