在没有内部交叉的情况下合并3个数据帧的最佳方法是什么(数据科学课程3)

Question

我正在努力解决Introduction to data science on coursera的作业3。在完成了第一个问题(基本上是清理和合并数据帧)之后，我们转到了问题2。

Question 1打算合并三个数据帧：

第一个df是关于每个国家的能源(227个基于国家的countries);

• GDP表，以及(264)基于国家的

• 排名表(191个排名，每个国家1排名)

他们要求我们只合并这三个数据框架，以县为指标，只考虑前15个级别，这是很好的。

第二个问题是，当我们根据前15级合并3个表时损失了多少行：

--前面的问题--加入了三个数据集，然后将其简化为前15个条目。当您加入数据集时，但在将其简化为前15项之前，您丢失了多少项？

这个函数应该返回一个数字。

​

​

我所做的解决方法是使用以下方法合并GDP和Energy表：

energy_gdp = pd.merge(energy, GDP, how='inner', right_on='Country', left_on='Country')
print(len(energy_gdp))

从GDP中返回264行中的186项，从能源表中返回227行。

然后，我将energy_gdp与ScimEn合并，但没有前15位：

ScimEn = ScimEn[15:]

和：

df = pd.merge(ScimEn, Energy_GDP_df, left_on='Country', right_on='Country', how='inner')
return len(df)

结果是147行。

在网上搜索解决方案时，结果是156。

我做了以下工作，以确保我的答案是正确的：

ScimEn_initial = ScimEn[:15] # Took only the first 15 ranks
df_initial = pd.merge(ScimEn_initial, Energy_GDP_df, left_on='Country', right_on='Country', how='inner')

# ScimEn = ScimEn[15:]

df = pd.merge(ScimEn, Energy_GDP_df, left_on='Country', right_on='Country', how='inner')

return len(df)-len(df_initial)

一共有147个条目。

我在堆栈溢出时查看了这个post，但是没有显示答案。

这是合并三个数据帧但它们的内部交叉的正确方式吗？

根据赋值一般规则，我们可以在堆栈溢出流上搜索或发布解决方案：

这个作业需要更多的个人学习，而不是上一个--我们鼓励你查阅大熊猫文档，找出你可能还没有使用过的函数或方法，或者问一些关于堆栈溢出的问题，并将它们标记为熊猫和蟒蛇相关的。当然，讨论论坛是开放的，可以与您的同行和课程工作人员进行互动。

Answer 1

我知道为时已晚，但可能会对别人有帮助。

def answer_one():
    energy = pd.read_excel('Energy+Indicators.xls')
    energy = energy[17:244].reset_index(drop=True)
    energy.drop(energy.columns[0:2], axis=1, inplace=True)
    energy.rename(columns={energy.columns[0]:'Country', energy.columns[1]:'Energy Supply', energy.columns[2]:'Energy Supply per Capita', energy.columns[3]:'% Renewable'}, inplace=True)
    energy.replace('...', np.NaN, inplace=True)
    energy['Energy Supply'] = energy['Energy Supply'] * 1000000
    energy['Country'] = energy['Country'].str.replace('\d+','')
    replacement1 = {"Republic of Korea": "South Korea", "United States of America": "United States", "United Kingdom of Great Britain and Northern Ireland": "United Kingdom", "China, Hong Kong Special Administrative Region": "Hong Kong"}
    energy['Country'].replace(replacement1, inplace=True)
    energy['Country'] = energy['Country'].str.replace(r" \(.*\)","")
    GDP = pd.read_csv('world_bank.csv', skiprows=4)
    GDP.rename(columns={'Country Name':'Country'}, inplace=True)
    replacement2 = {"Korea, Rep.": "South Korea", "Iran, Islamic Rep.": "Iran", "Hong Kong SAR, China": "Hong Kong"}
    GDP['Country'].replace(replacement2, inplace=True)
    ScimEn = pd.read_excel('scimagojr-3.xlsx')
    GDP_last10_years = GDP.drop(GDP.columns[4:-10], axis=1)
    merged_df1 = pd.merge(left=ScimEn, right=GDP_last10_years, how='left', left_on='Country', right_on='Country')
    merged_all_df_big = pd.merge(left=merged_df1, right=energy, how='left', left_on='Country', right_on='Country')
    merged_all_df = merged_all_df_big.head(15)
    remove_cols = ['Country Code', 'Indicator Name', 'Indicator Code']
    merged_all_df.drop(remove_cols, axis=1, inplace=True)
    merged_all_df.set_index('Country', inplace=True)
    return merged_all_df