Python将多个表格的数据,按照第一列进行整理,第一列会有不重复值,去除重复值,整合成新的一列;将每张表中每一列所对应的数据整理到一张表中

时间: 2024-05-09 17:18:44 浏览: 14
可以使用Pandas库来实现这个功能。 1. 整理第一列数据 假设有三个表格,分别为表格1、表格2、表格3。 表格1: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 1 | 2 | | B | 3 | 4 | | C | 5 | 6 | 表格2: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | D | 7 | 8 | | E | 9 | 10 | | F | 11 | 12 | 表格3: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 13 | 14 | | B | 15 | 16 | | G | 17 | 18 | 我们可以先将每个表格读入为Pandas的DataFrame对象,然后将它们按照第一列进行合并,去除重复值,形成一个新的DataFrame对象: ```python import pandas as pd # 读入表格1 df1 = pd.read_csv('table1.csv') # 读入表格2 df2 = pd.read_csv('table2.csv') # 读入表格3 df3 = pd.read_csv('table3.csv') # 按照第一列合并三个表格 df_merge = pd.concat([df1, df2, df3]) # 去除重复值 df_merge = df_merge.drop_duplicates(subset=['第一列']) # 将结果保存为新的CSV文件 df_merge.to_csv('merged_table.csv', index=False) ``` 执行完上述代码后,我们得到的新表格merged_table.csv如下: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 1 | 2 | | B | 3 | 4 | | C | 5 | 6 | | D | 7 | 8 | | E | 9 | 10 | | F | 11 | 12 | | G | 17 | 18 | 2. 整理每一列数据 现在我们需要将每个表格中的数据按照第一列整理到新的表格中。 假设我们仍然有表格1、表格2、表格3,但这次我们假设它们的第一列已经整理成了新表格merged_table.csv中的第一列。 表格1: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 1 | 2 | | B | 3 | 4 | | C | 5 | 6 | 表格2: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | D | 7 | 8 | | E | 9 | 10 | | F | 11 | 12 | 表格3: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 13 | 14 | | B | 15 | 16 | | G | 17 | 18 | 我们可以先将每个表格读入为Pandas的DataFrame对象,然后使用merge函数将它们按照第一列进行合并: ```python import pandas as pd # 读入表格1 df1 = pd.read_csv('table1.csv') # 读入表格2 df2 = pd.read_csv('table2.csv') # 读入表格3 df3 = pd.read_csv('table3.csv') # 读入整理后的表格 df_merge = pd.read_csv('merged_table.csv') # 合并表格1和整理后的表格 df1_merge = pd.merge(df_merge[['第一列']], df1, on='第一列') # 合并表格2和整理后的表格 df2_merge = pd.merge(df_merge[['第一列']], df2, on='第一列') # 合并表格3和整理后的表格 df3_merge = pd.merge(df_merge[['第一列']], df3, on='第一列') # 将结果保存为新的CSV文件 df1_merge.to_csv('merged_table1.csv', index=False) df2_merge.to_csv('merged_table2.csv', index=False) df3_merge.to_csv('merged_table3.csv', index=False) ``` 执行完上述代码后,我们得到的新表格merged_table1.csv、merged_table2.csv、merged_table3.csv如下: merged_table1.csv: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 1 | 2 | | B | 3 | 4 | | C | 5 | 6 | merged_table2.csv: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | D | 7 | 8 | | E | 9 | 10 | | F | 11 | 12 | merged_table3.csv: | 第一列 | 第二列 | 第三列 | | ------ | ------ | ------ | | A | 13 | 14 | | B | 15 | 16 | | G | 17 | 18 | 这样,我们就完成了将多个表格的数据整理到一个新表格中,并将每张表中每一列所对应的数据整理到一张表中的操作。

相关推荐

最新推荐

recommend-type

在sql中对两列数据进行运算作为新的列操作

这是两个不同表之间的列进行运算。 补充知识:Sql语句实现不同记录同一属性列的差值计算 所使用的表的具体结构如下图所示 Table中主键是(plateNumber+currentTime) 要实现的查询是: 给定车牌号和查询的时间区间...
recommend-type

2024嵌入式大厂面经C++首创

2024嵌入式大厂面经C++首创提取方式是百度网盘分享地址
recommend-type

C++ 高性能爬虫代码,带UI

C++ 高性能爬虫代码,带UI
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB正态分布协方差分析:揭示正态分布变量之间的协方差

![MATLAB正态分布协方差分析:揭示正态分布变量之间的协方差](https://site.cdn.mengte.online/official/2021/11/20211128213137293.png) # 1. 正态分布概述 正态分布,又称高斯分布,是统计学中最重要的连续概率分布之一。它广泛应用于自然科学、社会科学和工程领域。 正态分布的概率密度函数为: ``` f(x) = (1 / (σ√(2π))) * exp(-(x - μ)² / (2σ²)) ``` 其中: - μ:正态分布的均值 - σ:正态分布的标准差 - π:圆周率 正态分布具有以下特性: - 对称性:
recommend-type

我正在开发一款个人碳足迹计算app,如何撰写其需求分析文档,请给我一个范例

为了更全面、清晰地定义个人碳足迹计算app的需求,需求分析文档应该包含以下内容: 1.项目简介:对该app项目的概述及目标进行说明。 2.用户分析:包括目标用户群、用户需求、行为等。 3.功能需求:对app的基本功能进行定义,如用户登录、数据录入、数据统计等。 4.非功能需求:对使用app的性能和质量等进行定义,如界面设计、数据安全、可扩展性等。 5.运行环境:包括app的开发环境和使用环境。 下面是一个范例: 需求分析文档 1. 项目简介 该app项目旨在为用户提供一款方便、易用、可定制的个人碳足迹计算平台,以促进环保和可持续性发展。 2. 用户分析 目标用户群:全球关
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

MATLAB正态分布相关性分析:探索正态分布变量之间的关联

![MATLAB正态分布相关性分析:探索正态分布变量之间的关联](https://img-blog.csdnimg.cn/bd5a45b8a6e94357b7af2409fa3131ab.png) # 1. MATLAB中正态分布的理论基础 正态分布,又称高斯分布,是一种常见的概率分布,其概率密度函数为: ``` f(x) = (1 / (σ√(2π))) * e^(-(x-μ)² / (2σ²)) ``` 其中,μ表示正态分布的均值,σ表示标准差。正态分布具有以下特点: - **对称性:**正态分布的概率密度函数关于均值μ对称。 - **钟形曲线:**正态分布的概率密度函数呈钟形曲线