python - 连接两个 pandas 数据框进行分析

Question

我正在尝试解决有关顾客对餐厅偏好的问题。我有两个不同的 CSV，其中一个包含客户信息：

另一个有餐厅评级：

因此，我想尝试基于客户偏好的监督培训，以确定餐厅的评分。为了实现这一点，我认为我必须为每个评级附加客户信息（所以我将有变量要分析）。

我正在尝试使用 python 和 pandas。

我试过这个：

import pandas as pd
from pandas.plotting import scatter_matrix
import matplotlib.pyplot as plt
from sklearn import model_selection
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.naive_bayes import GaussianNB
from sklearn.svm import SVC
from pandas.plotting import scatter_matrix
import numpy as np


df1 = pd.read_csv('/2_user_profile.csv', index_col = [0])
df2 = pd.read_csv('/3_Ratings.csv')

#Create empty dataframe with named columns
df = pd.DataFrame(columns=(np.concatenate((df2.columns.values, df1.columns.values), axis=0)))

#Joining the tables
for index, row in df2.iterrows():
    userID= row['userID']
    frame=[row, df1.loc[userID]]
    print(frame)
    df = pd.concat([df, pd.DataFrame(frame)], axis=0)

print(df)

print(frame) 会给我这个结果：

这是有道理的，但是当我打印 df 它给了我这个：

这意味着我创建的每一帧都会在数据帧上创建一个双重记录，其中一个包含来自 df1 的信息，并且与 df2 上的数据对应的所有值都是空的，另一个寄存器用于 df2 上的所有值和对应于 df1 的空值。

这是我第一次尝试 python+机器学习，所以如果你也对我的方法有意见，请告诉我。

标签： pythonpython-3.xpandas

Answer 1

看起来你想加入userID两个数据框，对吧？

您可以使用merge来做到这一点。这是一个简短的例子：

import pandas as pd

data_1 = pd.DataFrame({'id': ['A', 'B'] * 5, 'value_1': [0, 1] * 5})
data_2 = pd.DataFrame({'id': ['A', 'B'], 'value_2': [3, 4]})

data_1.merge(data_2, how = 'inner', left_on = 'id', right_on = 'id')

给出：