优化代码df1=df[df.name=='Ben'] df2=df[df.name=='Elizabeth'] df3=df[df.name=='John'] df4=df[df.name=='Smith'] df5=df[df.name=='Sherly']
时间: 2023-08-06 20:11:53 浏览: 49
可以使用 Pandas 中的 `groupby` 函数来实现这个操作,代码如下:
```
grouped = df.groupby('name')
df1 = grouped.get_group('Ben')
df2 = grouped.get_group('Elizabeth')
df3 = grouped.get_group('John')
df4 = grouped.get_group('Smith')
df5 = grouped.get_group('Sherly')
```
这样就可以将原来的 5 行代码简化为 3 行。同时,如果需要处理更多不同姓名的数据,也可以很方便地加入到 `grouped` 中。
相关问题
df3 = pd.merge(df1, df2)
`df3 = pd.merge(df1, df2)`是使用pandas库中的merge函数将两个DataFrame对象df1和df2进行合并的操作。merge函数根据指定的列或索引将两个DataFrame对象进行连接,并返回一个新的DataFrame对象df3。
下面是一个示例,演示了如何使用merge函数将两个DataFrame对象进行合并:
```python
import pandas as pd
# 创建两个示例DataFrame对象
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [1, 2, 3], 'C': [7, 8, 9]})
# 使用merge函数将df1和df2进行合并
df3 = pd.merge(df1, df2, on='A')
# 打印合并后的DataFrame对象df3
print(df3)
```
输出结果为:
```
A B C
0 1 4 7
1 2 5 8
2 3 6 9
```
在上述示例中,我们创建了两个DataFrame对象df1和df2,然后使用merge函数将它们按照列'A'进行合并。合并后的结果存储在新的DataFrame对象df3中,包含了列'A'、'B'和'C'的数据。
如何让df1 = df2,改变df1的同时不改变df2
可以使用`copy()`方法,将`df2`复制一份给`df1`,这样就可以改变`df1`而不影响`df2`了。示例代码如下:
```python
df1 = df2.copy()
```
需要注意的是,如果只是简单地使用`df1 = df2`来进行赋值的话,其实是将`df2`的引用赋值给了`df1`,这样的话当对`df1`进行修改时,`df2`也会被修改。