采集到的原始数据往往有各种各样的问题，如取自不同源的数据格式不统一、格式不规范、名称不统一、数据错误等。所以，进行正式的统计分析之前需要先对数据进行整理。MATLAB的表和Python的DataFrame封装了大量进行数据整理的函数和方法，本节主要介绍它们的使用。[大谦MATLAB，dqmatlab点com]
列索引
列操作是数据整理中最常见的操作，包括列的增、删、改、查等操作。列索引指的是列的查找。可以有单个列的索引、多个不连续列的索引和多个连续列的索引(即切片)。
首先介绍单个列的索引。
【MATLAB】
下面首先创建一个表T。
>> ID={'1';'2';'3';'4'};
>> Name={'张三';'李四';'杨二';'王五'};
>> Age=[18;19;17;21];
>> Height=[162;169;164;167];
>> Weight=[116;103;131;133];
>> T=table(Name,Age,Height,Weight, 'RowNames',ID);用小括号获取表T中的第1列。注意小括号中有两个参数，第1个参数取冒号，表示包括所有行；第2个参数取1，表示第1列。
>> T1=T(:,1)
T1 =
4×1 table
Name
________
1 {'张三'}
2 {'李四'}
3 {'杨二'}
4 {'王五'}返回的是一个4行1列的子表。
也可以用第1列的名称进行索引，即
>> T2=T(:,'Name')返回与上面相同的结果。
【Python】
下面创建一个DataFrame对象df。
>>> import pandas as pd
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)用中括号获取列索引标签为" A"的列。
>>> df['Name']
0 张三
1 李四
2 杨二
3 王五
Name: Name, dtype: object查看数据类型。
>>> type(df['Name'])
<class 'pandas.core.series.Series'>可见，通过索引获取DataFrame数据的单列时得到的是一个Series类型的数据。
上面用中括号获取列，用loc方法也可以获取列，例如：
>>> df.loc[:,'Age']
0 18
1 19
2 17
3 25
Name: Age, dtype: int64中括号中的冒号表示Age标签对应的各行数据全部取。
用中括号获取列时中括号里面输入的是单列的标签，此时返回的是Series类型的数据。
用中括号索引列以后，引用values属性得到的是NumPy数组数据。
>>> v=df['Age'].values
>>> v
array([18, 19, 17, 25], dtype=int64)
>>> type(v)
<class 'numpy.ndarray'>对给定表的不连续多列进行索引，用普通数组指定不连续多列的编号。
【MATLAB】
下面获取表T中的第2列和第4列，把列号2和4放在一个数组中作为小括号中的第2个参数。
>> T3= T(:,[2 4])
T3 =
4×2 table
Age Weight
___ ______
1 18 116
2 19 103
3 17 131
4 21 133返回一个包含表T中第2列和第4列的子表。
也可以使用元胞数组，用不连续列的名称进行索引。下面用名称索引实现对表T中的第2列和第4列的索引。
>> T4=T(:,{'Age','Weight'})返回与T3相同的子表。
【Python】
可以通过指定多个索引标签来获取多个列。这多个列的索引标签组成列表放在中括号中。
>>> c24=df[['Age','Weight']]
>>> c24
Age Weight
0 18 116
1 19 103
2 17 131
3 25 133查看c24的数据类型。
>>> type(c24)
<class 'pandas.core.frame.DataFrame'>可见，获取多列返回的是DataFrame类型的数据。
对表中的连续多列进行索引，使用类似m:n的形式指定连续多列，其中m和n分别为起始列号和终止列号。
【MATLAB】
下面对表T中的第1-3列进行索引。起始列号为1，终止列号为3,1和3之间用冒号连接。
>> T5= T(:,1:3)
T5 =
4×3 table
Name Age Height
________ ___ ______
1 {'张三'} 18 162
2 {'李四'} 19 169
3 {'杨二'} 17 164
4 {'王五'} 21 167返回一个包含表T中第1-3列的子表。
【Python】
使用冒号可以对DataFrame数据进行切片。下面的切片取所有行，取列标签"Name"到"Height"的所有列。
>>> df.loc[:,'Name':'Height']
Name Age Height
0 张三 18 162
1 李四 19 169
2 杨二 17 164
3 王五 25 167取“Age”及其之后的所有列。
>>> df.loc[:,'Age':]
Age Height Weight
0 18 162 116
1 19 169 103
2 17 164 131
3 25 167 133添加列和插入列
可以在表和DataFrame的末尾添加新的列，或者在指定位置插入新的列。
【MATLAB】
下面创建新的表T。
>> ID={'1';'2';'3';'4'};
>> Name={'张三';'李四';'杨二';'王五'};
>> Age=[18;19;17;21];
>> Height=[162;169;164;167];
>> Weight=[116;103;131;133];
>> T=table(Name,Age,Height,Weight, 'RowNames',ID);使用点引用的方式在表后面添加“Married”列。
>> T.Married=[0;0;0;1]
T =
4×5 table
Name Age Height Weight Married
________ ___ ______ ______ _______
1 {'张三'} 18 162 116 0
2 {'李四'} 19 169 103 0
3 {'杨二'} 17 164 131 0
4 {'王五'} 21 167 133 1【Python】
下面创建新的DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)在df的最后添加新列“Married”。
>>> df['Married']=[0,0,0,1]
>>> df
Name Age Height Weight Married
ID
1 张三 18 162 116 0
2 李四 19 169 103 0
3 杨二 17 164 131 0
4 王五 25 167 133 1可以在指定位置插入列。
【MATLAB】
下面使用addvars函数在表T中“Age”列的前面插入新列“Gender”。
>> Gender={'M';'M';'M';'M'};
>> T2=addvars(T,Gender,'Before','Age')
T2 =
4×6 table
Name Gender Age Height Weight Married
________ ______ ___ ______ ______ _______
1 {'张三'} {'M'} 18 162 116 0
2 {'李四'} {'M'} 19 169 103 0
3 {'杨二'} {'M'} 17 164 131 0
4 {'王五'} {'M'} 21 167 133 1【Python】
下面使用DataFrame对象的insert方法在DataFrame df中“Age”列的前面插入新列“Gender”。
>>> df.insert(loc=1,column='Gender',value=['M','M','M','M'])
>>> df
Name Gender Age Height Weight Married
ID
1 张三 M 18 162 116 0
2 李四 M 19 169 103 0
3 杨二 M 17 164 131 0
4 王五 M 25 167 133 1已有列数据转换得到新列
常见的一种列操作是在已有列数据的基础上进行简单计算、进行转换或统计得到新的列。例如某列的数据都乘以2得到新列，或求各列的和得到新列的汇总数据等。
【MATLAB】
下面创建一个简单的表，有A，B两列。
>> A=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'})
>> A =
4×2 table
A B
_ _
1 5
2 6
3 7
4 8添加C列，C列的值等于A列的值乘以B列的值。
>> A.C=A.A.*A.B
A =
4×3 table
A B C
_ _ __
1 5 5
2 6 12
3 7 21
4 8 32【Python】
创建简单的DataFrame，有A和B两列。
>>> import pandas as pd
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],columns=['A','B'])
>>> df
A B
2 1 5
3 2 6
2 3 7
3 4 8给DataFrame添加新列C，新列的值为A列的值乘以B列的值。
>>> df['C']=df['A']*df['B']
>>> df
A B C
0 1 5 5
1 2 6 12
2 3 7 21
3 4 8 32Python中还可以用Series对象的apply方法、map方法、transform方法和assign方法等结合匿名函数和自定义函数通过计算得到新列。
下面用Series对象的apply方法结合匿名函数添加D列，D列的值等于A列的值乘以1.2。
>>> df['D']=df['A'].apply(lambda x:x*1.2) #转换下面用Series对象的apply方法结合自定义函数添加E列，E列的值等于B列的值乘以1.2。
>>> def new_v(x):
return(x*1.2)
>>> df['E']=df['B'].apply(new_v)下面用Series对象的map方法结合匿名函数添加F列，F列的值等于C列的值乘以1.2。
>>> df['F']=df['C'].map(lambda x:x*1.2) #转换
>>> df['G']=df['C'].map(new_v)下面用Series对象的transform方法结合匿名函数添加H列，H列的值等于A列的值乘以1.2。
>>> df['H']=df['A'].transform(lambda x:x*1.2) #转换下面用DataFrame对象的assign方法添加J列，J列的值等于A列的值乘以1.2。
>>> df=df.assign(J=df['A']*1.2)下面用DataFrame对象的assign方法结合匿名函数添加K列，K列的值等于A列的值乘以1.2。
>>> df=df.assign(K=lambda x:x.A*1.2)下面用DataFrame对象的apply方法结合NumPy包的求和函数sum添加“Total”列，该列的值等于A列、B列值的和。
>>> df['Total']=df.apply(np.sum,axis=1) #行求和，综述统计量下面用DataFrame对象的agg方法结合sum函数添加“Total”列，该列的值等于A列、B列值的和。
>>> df['Total']=df.agg('sum',axis=1) #综述统计量修改列名
修改列名包括修改单个列的列名、修改多个列的列名和修改全部列的列名几种情况。
【MATLAB】
下面创建一个表T。
>> T=table({'张三';'李四';'杨二';'王五'},{'M';'F';'M';'F'},[18;19;17;25],...
[162;169;164;167],...
'VariableNames',{'Name' 'Gender' 'Age' 'Height'})
T =
4×4 table
Name Gender Age Height
________ ______ ___ ______
{'张三'} {'M'} 18 162
{'李四'} {'F'} 19 169
{'杨二'} {'M'} 17 164
{'王五'} {'F'} 25 167用Properties.VariableNames属性将表T中Gender列的列名改为“Sex”。
>> T.Properties.VariableNames{'Gender'}='Sex'
T =
4×4 table
Name Sex Age Height
________ _____ ___ ______
{'张三'} {'M'} 18 162
{'李四'} {'F'} 19 169
{'杨二'} {'M'} 17 164
{'王五'} {'F'} 25 167【Python】
下面创建一个DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([['张三','M',18,162],['李四','M',19,169],['杨二','M',17,164],['王五','M',25,167]],columns=['Name','Gender','Age','Height'])
>>> df
Name Gender Age Height
0 张三 M 18 162
1 李四 M 19 169
2 杨二 M 17 164
3 王五 M 25 167用DataFrame对象的rename方法将Gender列的列名改为“Sex”。
>>> df.rename(columns={'Gender':'Sex'}, inplace=True)
>>> df
Name Sex Age Height
0 张三 M 18 162
1 李四 M 19 169
2 杨二 M 17 164
3 王五 M 25 167【MATLAB】
下面创建表T，并用renamevars函数将表中Gender列和Age列的列名改为“Sex”和“Years Old”。注意，修改前的列名和修改后的列名分别放在两个数组中作为renamevars函数的参数。
>> T=table({'张三';'李四';'杨二';'王五'},{'M';'F';'M';'F'},[18;19;17;25],...
[162;169;164;167],...
'VariableNames',{'Name' 'Gender' 'Age' 'Height'});
>> T=renamevars(T,["Gender","Age"],["Sex","Years Old"])
T =
4×4 table
Name Sex Years Old Height
________ _____ _________ ______
{'张三'} {'M'} 18 162
{'李四'} {'F'} 19 169
{'杨二'} {'M'} 17 164
{'王五'} {'F'} 25 167【Python】
下面创建DataFrame df，并用DataFrame对象的rename方法将DataFrame中Gender列和Age列的列名改为“Sex”和“Years Old”。注意，修改前的列名和修改后的列名分别组合成键值对，最后得到一个字典作为columns参数的值。
>>> import pandas as pd
>>> df=pd.DataFrame([['张三','M',18,162],['李四','M',19,169],['杨二','M',17,164],['王五','M',25,167]],columns=['Name','Gender','Age','Height'])
>>> df.rename(columns={'Gender':'Sex','Age':'Years Old'}, inplace=True)
>>> df
Name Sex Years Old Height
0 张三 M 18 162
1 李四 M 19 169
2 杨二 M 17 164
3 王五 M 25 167【MATLAB】
如果需要给所有列名添加前缀或后缀，在MATLAB中可以用上面修改多个列名的方法逐个修改。
【Python】
Python中可以使用DataFrame对象的add_prefix方法给列名添加前缀，用add_suffix方法给列名添加后缀。例如，下面给列名添加前缀“pf_”，添加后缀“_sf”。
>>> df=df.add_prefix('pf_')
>>> df=df.add_suffix('_sf')下面用DataFrame对象的rename方法结合匿名函数给所有列名添加前缀“pf_”。
>>> df.rename(columns=lambda x:'pf_'+x,inplace=True)修改列的数据类型
表或DataFrame中每列数据具有相同的数据类型。MATLAB和Python都提供了相应的函数或方法修改指定列的数据类型。
【MATLAB】
下面创建一个表T。
>> T=table({'张三';'李四';'杨二';'王五'},{'M';'F';'M';'F'},[18;19;17;25],...
[162;169;164;167],...
'VariableNames',{'Name' 'Gender' 'Age' 'Height'});用summary函数查看每列的数据类型。
>> summary(T)
Variables:
Name: 4×1 cell array of character vectors
Gender: 4×1 cell array of character vectors
…….现在Gender列为字符向量组成的元胞数组。
用convertvars函数将Gender列的数据类型修改为分类数组，然后用summary函数查看修改后的表T2各列的数据类型。
>> T2=convertvars(T,{'Gender'},'categorical')
>> summary(T2)
Variables:
Name: 4×1 cell array of character vectors
Gender: 4×1 categorical
……现在Gender列的数据类型变成了分类数组。
【Python】
下面先创建一个DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([['张三','M',18,162],['李四','M',19,169],['杨二','M',17,164],['王五','M',25,167]],columns=['Name','Gender','Age','Height'])用DataFrame对象的dtypes属性查看各列的数据类型。
>>> df.dtypes
Name object
Gender object
Age int64
Height int64
dtype: object现在Gender列是object类型。
用Series对象的astype方法将Gender列数据转换为分类数组，然后用dtypes属性查看修改后各列的数据类型。
>>> df['Gender']=df['Gender'].astype('category')
>>> df.dtypes
Name object
Gender category
Age int64
Height int64
dtype: object现在Gender列的数据类型变成了分类数组。
修改列的数据
10.4.2小节介绍了通过对原有列数据进行数据转换可以创建新列，如果不创建新列，而是将转换后的数据代替原有列数据，就成了修改列数据。
【MATLAB】
下面创建一个表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'})
>> T =
4×2 table
A B
_ _
1 5
2 6
3 7
4 8修改A列的数据为原来数据的2倍。
>> T.A=T.A.*2
T =
4×2 table
A B
_ _
2 5
4 6
6 7
8 8【Python】
下面创建DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],columns=['A','B'])
>>> df
A B
0 1 5
1 2 6
2 3 7
3 4 8修改A列数据为原来数据的2倍。
>>> df['A']=df['A']*2
>>> df
A B
0 2 5
1 4 6
2 6 7
3 8 8也可以用Series对象的update方法指定数据进行修改。
>>> df['A'].update(pd.Series([3,8,10,5])) #全部
>>> df
A B
0 3 5
1 8 6
2 10 7
3 5 8使用update方法可以只修改列中的部分数据，此时需要指定修改的值和对应的行索引。例如，下面将A列中第1行和第4行的值修改为5和8。
>>> df['A'].update(pd.Series([5,8],index=[0,3])) #部分
>>> df
A B
0 5 5
1 8 6
2 10 7
3 8 8使用DataFrame对象的update方法可以用一个DataFrame A的数据更新另一个DataFrame B的数据，但是只更新B中与A相交的部分。下面创建两个DataFrame df1和df2。
>>> df1=pd.DataFrame({'A':[1,2,3],'B':[20,30,40]})
>>> df1
A B
0 1 20
1 2 30
2 3 40
>>> df2=pd.DataFrame({'B':[4,5,6],'C':[8,9,10]})
>>> df2
B C
0 4 8
1 5 9
2 6 10用df2更新df1，df1中与df2相交的B列数据被更新。
>>> df1.update(df2)
>>> df1
A B
0 1 4
1 2 5
2 3 6删除列
使用MATLAB和Python提供的函数或方法删除表或DataFrame中的列。
【MATLAB】
下面创建表T，使用removevars函数从表中删除Height列。
>> T=table({'张三';'李四';'杨二';'王五'},{'M';'F';'M';'F'},[18;19;17;25],...
[162;169;164;167],...
'VariableNames',{'Name' 'Gender' 'Age' 'Height'});
>> removevars(T,{'Height'})
ans =
4×3 table
Name Gender Age
________ ______ ___
{'张三'} {'M'} 18
{'李四'} {'F'} 19
{'杨二'} {'M'} 17
{'王五'} {'F'} 25还可以通过点引用列，并将该列的值设置为空矩阵来删除列。下面从表T中删除Age列。
>> T.Age=[];
>> T
T =
4×3 table
Name Gender Height
________ ______ ______
{'张三'} {'M'} 162
{'李四'} {'F'} 169
{'杨二'} {'M'} 164
{'王五'} {'F'} 167【Python】
下面创建DataFrame df，使用DataFrame对象的drop方法删除Height列。
>>> import pandas as pd
>>> df=pd.DataFrame([['张三','M',18,162],['李四','M',19,169],['杨二','M',17,164],['王五','M',25,167]],columns=['Name','Gender','Age','Height'])
>>> df=df.drop('Height', axis=1)
>>> df
Name Gender Age
0 张三 M 18
1 李四 M 19
2 杨二 M 17
3 王五 M 25行索引
前面介绍了表和DataFrame中的列操作，与之对应的有行操作，接下来介绍行的增、删、改、查。行索引是与行查找有关的操作，包括单个行的索引、不连续多个行的索引和连续多个行的索引(即切片)。
【MATLAB】
下面创建一个表T。
>> T=table({'张三';'李四';'杨二';'王五'},{'M';'F';'M';'F'},[18;19;17;25],...
[162;169;164;167],...
'VariableNames',{'Name' 'Gender' 'Age' 'Height'});获取表T中的第1行。
>> T1=T(1,:)
T1 =
1×4 table
Name Gender Age Height
________ ______ ___ ______
{'张三'} {'M'} 18 162注意此时返回的是一个1行4列的子表。
也可以用第1行的名称进行索引，先给表T添加索引列。
>> T.Properties.RowNames={'1';'2';'3';'4'}
T =
4×4 table
Name Gender Age Height
________ ______ ___ ______
1 {'张三'} {'M'} 18 162
2 {'李四'} {'F'} 19 169
3 {'杨二'} {'M'} 17 164
4 {'王五'} {'F'} 25 167获取行名为“1”的行。
>> T2=T({'1'},:)
T2 =
1×4 table
Name Gender Age Height
________ ______ ___ ______
1 {'张三'} {'M'} 18 162【Python】
Python中使用中括号获取单个行。下面创建一个DataFrame对象df。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)用DataFrame对象的loc方法获取行名为“1”的行r1。
>>> r1=df.loc['1']
>>> r1
Name 张三
Age 18
Height 162
Weight 116
Name: 1, dtype: object查看r1的数据类型。
>>> type(r1)
<class 'pandas.core.series.Series'>可见，通过索引获取DataFrame数据的单行时得到的是一个Series类型的数据。也可以用iloc方法获取行，与loc方法不同的是，iloc方法的参数为表示行编号的整数，不是标签。
对给定表的不连续多行进行索引，用普通数组指定不连续多行的编号。
【MATLAB】
下面获取表T中的第1行、第3行和第5行。
>> T3=T([1 3],:)
T3 =
2×4 table
Name Gender Age Height
________ ______ ___ ______
1 {'张三'} {'M'} 18 162
3 {'杨二'} {'M'} 17 164返回一个包含表T中第1行和第3行的子表。
也可以使用元胞数组，用不连续行的名称进行索引。下面用名称索引实现对表T中的第1行和第3行的索引。
>> T.Properties.RowNames={'1';'2';'3';'4'};
>> T4=T({'1','3'},:)
T4 =
2×4 table
Name Gender Age Height
________ ______ ___ ______
1 {'张三'} {'M'} 18 162
3 {'杨二'} {'M'} 17 164【Python】
可以通过指定多个索引标签来获取多个行。这多个行的索引标签组成列表放在中括号中。下面获取df中行名为“1”和“3”的行。
>>> r13=df.loc[['1','3']]
>>> r13
Name Age Height Weight
ID
1 张三 18 162 116
3 杨二 17 164 131查看r13的数据类型。
>>> type(r13)
<class 'pandas.core.frame.DataFrame'>可见，获取多行返回的是DataFrame类型的数据。
对表中的连续多行进行索引，使用类似m:n的形式指定连续多行，其中m和n分别为起始行号和终止行号。
【MATLAB】
下面对表T中的第1-3行进行索引。小括号中的冒号表示取所有列。
>> T5=T(1:3,:)
T5 =
3×4 table
Name Gender Age Height
________ ______ ___ ______
1 {'张三'} {'M'} 18 162
2 {'李四'} {'F'} 19 169
3 {'杨二'} {'M'} 17 164返回一个包含表T中第1-3行的子表。
【Python】
下面的切片取行名"1"到"3"的所有行。
>>> df.loc['1':'3',:]
Name Age Height Weight
ID
1 张三 18 162 116
2 李四 19 169 103
3 杨二 17 164 131下面的切片取行名"2"及后面的所有行。
>>> df.loc['2':,:]
Name Age Height Weight
ID
2 李四 19 169 103
3 杨二 17 164 131
4 王五 25 167 133直接添加行
可以像直接添加列一样向表或DataFrame添加新行。
【MATLAB】
下面创建一个表T。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;164;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'})
T =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'李四'} 19 169 103
{'杨二'} 17 164 131
{'王五'} 25 167 133向表T追加一个新行。直接对新行进行索引赋值即可。
>> T(5,:)={'韩英',19,173,93}
T =
5×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'李四'} 19 169 103
{'杨二'} 17 164 131
{'王五'} 25 167 133
{'韩英'} 19 173 93【Python】
创建一个新的DataFrame df。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)向df追加一个新行。直接对新行进行索引赋值即可。
>>> df.loc['5',:]=['韩英',19,173,93]
>>> df
Name Age Height Weight
ID
1 张三 18.0 162.0 116.0
2 李四 19.0 169.0 103.0
3 杨二 17.0 164.0 131.0
4 王五 25.0 167.0 133.0
5 韩英 19.0 173.0 93.0已有行数据转换得到新行
此操作跟列的处理类似，利用已有的行数据进行转换得到新的行。
【MATLAB】
下面创建一个新表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'}
>> T =
4×2 table
A B
_ _
a 1 5
b 2 6
c 3 7
d 4 8向T追加行名为“e”的新行，行数据利用行名为“a”的行的值乘以2。
>> T('e',:)=T('a',:).*2
T =
5×2 table
A B
_ __
a 1 5
b 2 6
c 3 7
d 4 8
e 2 10【Python】
下面创建新的DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])
>>> df
A B
a 1 5
b 2 6
c 3 7
d 4 8向df追加行名为“e”的新行，行数据利用行名为“a”的行的值乘以2。
>>> df.loc['e']=df.loc['a']*2
>>> df
A B
a 1.0 5.0
b 2.0 6.0
c 3.0 7.0
d 4.0 8.0
e 2.0 10.0下面使用DataFrame对象的apply方法和NumPy包的求和函数sum计算每列数据的和，并组成新的行“Total”。
>>> df.loc['Total']=df.apply(np.sum)
>>> df
A B
a 1.0 5.0
b 2.0 6.0
c 3.0 7.0
d 4.0 8.0
e 2.0 10.0
Total 12.0 36.0下面使用DataFrame对象的agg方法和sum函数计算每列数据的和，并组成新的行“Total”。
>>> df.loc['Total']=df.agg('sum') #列求和更改行数据
更改行数据，直接索引到该行并重新赋值即可。
【MATLAB】
下面创建表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'};将行名为“d”的行数据乘以2。
>> T('d',:)=T('d',:).*2
T =
4×2 table
A B
_ __
a 1 5
b 2 6
c 3 7
d 8 16【Python】
下面创建DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])将行名为“a”的行数据乘以2。
>>> df.loc['a']=df.loc['a']*2
>>> df
A B
a 2 10
b 2 6
c 3 7
d 4 8下面给行名为“d”的行赋新值。
>>> df.loc['d']=[32,25]
>>> df
A B
a 2 10
b 2 6
c 3 7
d 32 25删除行
删除表或DataFrame中的行，先索引到要删除的行，然后用MATLAB和Python提供的方法进行删除。
【MATLAB】
MATLAB中删除行，先索引到该行，然后给它赋空数组。下面创建表T，删除第1至3行。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;164;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'});
>> T(1:3,:)=[];
>> T
T =
1×4 table
Name Age Height Weight
________ ___ ______ ______
{'王五'} 25 167 133下面重新创建表T，删除第2和第4行。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;164;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'});
>> T([2,4],:)=[];
>> T
T =
2×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'杨二'} 17 164 131【Python】
Python中用DataFrame对象的drop方法删除行。下面创建DataFrame df。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])用DataFrame对象的drop方法删除第2行和第4行。
>>> df=df.drop([1,3])
>>> df
ID Name Age Height Weight
0 1 张三 18 162 116
2 3 杨二 17 164 131重新创建DataFrame df，用行名删除第2行和第4行。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)
>>> df=df.drop(['2','4'])
>>> df
Name Age Height Weight
ID
1 张三 18 162 116
3 杨二 17 164 131值索引
对表或DataFrame中的值进行索引，需要指定该值所在的行号和列号，或者该值所对应的行名和列名。
【MATLAB】
下面创建表T，获取表中第1行第3列处的值。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;164;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'});
>> A=T{1,3}
A =
162也可以用行和列的名称进行索引。
>> T.Properties.RowNames={'a';'b';'c';'d'};
>> A=T{'a','Height'}
A =
162下面获取第1行中第2列到第4列的值。
>> B=T{1,2:4}
B =
18 162 116下面获取第1列中第2行到第4行的值。
>> C=T{2:4,1}
C =
3×1 cell 数组
{'李四'}
{'杨二'}
{'王五'}下面获取第1行到第3行、第2列到第4列的局部区域中的值。
>> D=T{1:3,2:4}
D =
18 162 116
19 169 103
17 164 131【Python】
下面创建DataFrame df，获取df中第1行第3列处的值。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,164,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)
>>> a=df.iloc[0,2]
a =
162也可以用行和列的名称进行索引。
>>> a=df.loc['a','Height']
a =
162下面获取第1行中第2列到第4列的值。
>>> b=df.iloc[0,1:4]
>>> b
Age 18
Height 162
Weight 116
Name: 1, dtype: object下面获取第1列中第2行到第4行的值。
>>> c=df.iloc[1:4,0]
>>> c
ID
2 李四
3 杨二
4 王五
Name: Name, dtype: object下面获取第1行到第3行、第2列到第4列的局部区域中的值。
>>> d=df.iloc[0:3,1:4]
>>> d
Age Height Weight
ID
1 18 162 116
2 19 169 103
3 17 164 131修改单个值
修改单个值，只需要通过索引找到该值后重新赋值即可。
【MATLAB】
表中值的索引有值索引和元胞索引两种使用方式。下面创建一个表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'};使用值索引方式将第3行第2列的值该为10。
>> T(3,2)={10}
T =
4×2 table
A B
_ __
a 1 5
b 2 6
c 3 10
d 4 8使用值索引方式将行名为“d”，列名为“B”的值该为12。
>> T('d','B')={12}
T =
4×2 table
A B
_ __
a 1 5
b 2 6
c 3 10
d 4 12使用元胞索引方式将第1行第2列的值该为20。
>> T{1,2}=20
T =
4×2 table
A B
_ __
a 1 20
b 2 6
c 3 10
d 4 12使用元胞索引方式将行名为“d”，列名为“A”的值该为15。
>> T{'b','A'}=15
T =
4×2 table
A B
__ __
a 1 20
b 15 6
c 3 10
d 4 12【Python】
Python中可以用DataFrame对象的iloc方法和loc方法索引值，并在索引后重新赋值来修改值。
下面创建一个DataFrame df。
>>> import pandas as pd
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])修改第3行第2列处的值为10。
>>> df.iloc[2,1]=10
>>> df
A B
a 1 5
b 2 6
c 3 10
d 4 8修改行号为“d”，列号为“B”处的值为12。
>>> df.loc['d','B']=12
>>> df
A B
a 1 5
b 2 6
c 3 10
d 4 12修改不连续区域的值
对于不连续区域，需要用区域对应的行号和列号分别组成数组对表或DataFrame进行索引，然后用修改后的值组成二维数组进行赋值。
【MATLAB】
下面创建表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'};使用值索引方式将第2行和第4行，第1列和第2列的值进行修改。
>> T([2 4],[1 2])={10 15;20 23}
T =
4×2 table
A B
__ __
a 1 5
b 10 15
c 3 7
d 20 23重新创建表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'};使用元胞索引方式将第2行和第4行，第1列和第2列的值进行修改。
>> T{[2 4],[1 2]}=[10 15;20 23]
T =
4×2 table
A B
__ __
a 1 5
b 10 15
c 3 7
d 20 23【Python】
新建一个DataFrame df。
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])用DataFrame对象的iloc方法修改第2行和第4行，第1列和第2列的值。
>>> df.iloc[[1,3],[0,1]]=[[10,15],[20,23]]
>>> df
A B
a 1 5
b 10 15
c 3 7
d 20 23重新创建DataFrame df。
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])用DataFrame对象的loc方法修改第2行和第4行，第1列和第2列的值。
>>> df.loc[['b','d'],['A','B']]=[[10,15],[20,23]]
>>> df
A B
a 1 5
b 10 15
c 3 7
d 20 23修改连续区域的值
修改连续区域的值，先对连续区域进行索引(即切片)，然后重新赋值。
【MATLAB】
下面创建表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'};使用值索引方式将第2行到第3行，第1列到第2列的值进行修改。
>> T(2:3,1:2)={10 15;20 23}
T =
4×2 table
A B
__ __
1 5
10 15
20 23
4 8重新创建表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});使用元胞索引方式将第2行到第3行，第1列到第2列的值进行修改。
>> T{2:3,1:2}=[10 15;20 23]
T =
4×2 table
A B
__ __
1 5
10 15
20 23
4 8【Python】
新建一个DataFrame df。
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])用DataFrame对象的iloc方法修改第2行到第3行，第1列到第2列的值。
>>> df.iloc[1:3,0:2]=[[10,15],[20,23]]
>>> df
A B
a 1 5
b 10 15
c 20 23
d 4 8重建DataFrame df。
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])用DataFrame对象的loc方法修改第2行到第4行，第1列到第2列的值。
>>> df.loc['b':'c','A':'C']=[[10,15],[20,23]]
>>> df
A B
a 1 5
b 10 15
c 20 23
d 4 8修改全部值
可以使用运算符或对象的方法修改表或DataFrame的全部值。
【MATLAB】
下面创建新表T。
>> T=table([1;2;3;4],[5;6;7;8],'VariableNames',{'A' 'B'});
>> T.Properties.RowNames={'a';'b';'c';'d'};对表中的每个值求平方。
>> T.^2
ans =
4×2 table
A B
__ __
a 1 25
b 4 36
c 9 49
d 16 64【Python】
创建DataFrame df。
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])使用DataFrame对象的apply方法和匿名函数对每个值求平方。
>>> df=df.apply(lambda x:x**2)
>>> df
A B
a 1 25
b 4 36
c 9 49
d 16 64重新创建DataFrame df。
>>> df=pd.DataFrame([[1,5],[2,6],[3,7],[4,8]],index=['a','b','c','d'],columns=['A','B'])使用DataFrame对象的map方法和匿名函数求所有值的平方。
>>> df=df.map(lambda x:x**2)
>>> df
A B
a 1 25
b 4 36
c 9 49
d 16 64数据排序
MATLAB和Python都提供了函数或对象的方法对表或DataFrame的行数据进行排序。根据参与排序的列的个数，可以有单条件排序和多条件排序。
【MATLAB】
下面新建表T。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;162;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'});使用sortrows函数，根据Height列数据的大小对表的行进行升序排列。
>> [B,index]=sortrows(T,"Height");
>> B
B =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'杨二'} 17 162 131
{'王五'} 25 167 133
{'李四'} 19 169 103使用sortrows函数，根据第3列数据的大小对表的行进行降序排列。
>> [B,index]=sortrows(T,3,'descend');
>> B
B =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'李四'} 19 169 103
{'王五'} 25 167 133
{'张三'} 18 162 116
{'杨二'} 17 162 131使用sortrows函数，将Height列数据和Age列数据作为第1条件和第2条件对表的行进行升序排列。函数先根据Height列数据排序，对于Height数据相同的情况，再根据Age列数据的大小进行排序。
>> [B,index]=sortrows(T,["Height" "Age"]);
>> B
B =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'杨二'} 17 162 131
{'张三'} 18 162 116
{'王五'} 25 167 133
{'李四'} 19 169 103【Python】
创建一个DataFrame df。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,162,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)使用DataFrame大小的sort_values方法，根据Height列数据的大小对DataFrame的行进行升序排列。
>>> df.sort_values(by='Height')
Name Age Height Weight
ID
1 张三 18 162 116
3 杨二 17 162 131
4 王五 25 167 133
2 李四 19 169 103使用DataFrame大小的sort_values方法，根据Height列数据的大小对DataFrame的行进行降序排列。
>>> df.sort_values(by='Height',ascending=False)
Name Age Height Weight
ID
2 李四 19 169 103
4 王五 25 167 133
1 张三 18 162 116
3 杨二 17 162 131使用DataFrame大小的sort_values方法，将Height列数据和Age列数据作为第1条件和第2条件对表的行进行升序排列。方法先根据Height列数据排序，对于Height数据相同的情况，再根据Age列数据的大小进行排序。
>>> df.sort_values(by=['Height','Age'])
Name Age Height Weight
ID
3 杨二 17 162 131
1 张三 18 162 116
4 王五 25 167 133
2 李四 19 169 103数据筛选
MATLAB和Python都提供了函数或对象的方法对表或DataFrame的行数据进行筛选。根据参与筛选的列的个数，可以有单条件筛选和多条件筛选。
【MATLAB】
MATLAB提供了rowfilter函数结合表的布尔索引对行数据进行筛选。下面创建一个表T。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;162;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'});用rowfilter函数创建一个关于表T的筛选对象。
>> rf=rowfilter(T);使用布尔索引筛选出年龄大于或等于19岁的行数据。
>> T(rf.Age>=19,:)
ans =
2×4 table
Name Age Height Weight
________ ___ ______ ______
{'李四'} 19 169 103
{'王五'} 25 167 133对于多条件筛选的情况，下面筛选出年龄大于或等于18岁，身高大于162厘米的行数据。
>> T(rf.Age>=18 & rf.Height>162,:)
ans =
2×4 table
Name Age Height Weight
________ ___ ______ ______
{'李四'} 19 169 103
{'王五'} 25 167 133下面使用vartype函数结合表索引筛选出表中的数值类型的数据。
>> S=vartype('numeric');
>> T2=T(:,S)
T2 =
4×3 table
Age Height Weight
___ ______ ______
18 162 116
19 169 103
17 162 131
25 167 133【Python】
Python的pandas包可以通过DataFrame的布尔索引、DataFrame对象的query方法、where方法和mask方法对行数据进行筛选。下面创建一个DataFrame df。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,162,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)使用布尔索引筛选出年龄大于或等于19岁的行数据。
>>> df[df['Age']>=19]
Name Age Height Weight
ID
2 李四 19 169 103
4 王五 25 167 133使用布尔索引筛选出年龄大于或等于18岁，身高大于162厘米的行数据。
>>> df[(df['Age']>=18) & (df['Height']>162)]
Name Age Height Weight
ID
2 李四 19 169 103
4 王五 25 167 133使用DataFrame对象的query方法筛选出年龄大于或等于19岁的行数据。
>>> df2=df.query('Age>=19')
df2
Name Age Height Weight
ID
2 李四 19 169 103
4 王五 25 167 133使用DataFrame对象的where方法筛选出年龄大于或等于19岁的行数据。注意，筛选结果中不符合条件的数据会用空值表示。使用DataFrame对象的dropna方法删除有空值的行。how参数的值为“any”，表示行数据中只要有一个空值即判断为空行。
>>> df2=df.where(df['Age']>=19)
>>> df2=df2.dropna(how='any',axis=0)
df2
Name Age Height Weight
ID
2 李四 19.0 169.0 103.0
4 王五 25.0 167.0 133.0使用DataFrame对象的mask方法筛选出年龄大于或等于19岁的行数据。注意，筛选结果中不符合条件的数据会用空值表示。使用DataFrame对象的dropna方法删除有空值的行。注意mask方法进行筛选判断时条件跟where方法是相反的。
>>> df2=df.mask(df['Age']<19)
>>> df2=df2.dropna(how='any',axis=0)
>>> df2
Name Age Height Weight
ID
2 李四 19.0 169.0 103.0
4 王五 25.0 167.0 133.0下面使用DataFrame对象的select_dtypes方法筛选出表中数值类型的数据。
>>> import numpy as np
>>> df.select_dtypes(include=[np.number])
Age Height Weight
ID
1 18 162 116
2 19 169 103
3 17 162 131
4 25 167 133数据转置
表或DataFrame的转置，是将它们的第1行变为第1列，将最后1行变为最后1列，实际上是相对与对角线作对称变换。MATLAB和Python中都提供了相应的函数或方法进行操作。
【MATLAB】
MATLAB中可使用rows2vars函数对表进行转置操作。下面创建表T。
>> T=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;162;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'});
>> T.Properties.RowNames={'a';'b';'c';'d'};使用rows2vars函数对T进行转置。
>> T2=rows2vars(T)
T2 =
4×5 table
OriginalVariableNames a b c d
_____________________ ________ ________ ________ ________
{'Name' } {'张三'} {'李四'} {'杨二'} {'王五'}
{'Age' } {[ 18]} {[ 19]} {[ 17]} {[ 25]}
{'Height'} {[ 162]} {[ 169]} {[ 162]} {[ 167]}
{'Weight'} {[ 116]} {[ 103]} {[ 131]} {[ 133]}【Python】
Python中使用pandas包内DataFrame对象的T属性或transpose方法实现DataFrame的转置。下面创建一个DataFrame df。
>>> df=pd.DataFrame([['1','张三',18,162,116],['2','李四',19,169,103],['3','杨二',17,162,131],['4','王五',25,167,133]],columns=['ID','Name','Age','Height','Weight'])
>>> df.set_index('ID',inplace=True)用DataFrame对象的T属性对df进行转置。
>>> df2=df.T
>>> df2
ID 1 2 3 4
Name 张三 李四 杨二 王五
Age 18 19 17 25
Height 162 169 162 167
Weight 116 103 131 133用DataFrame对象的transpose方法对df进行转置。
>>> df2=df.transpose()得到跟上面相同的结果。
合并多表数据
用MATLAB和Python合并多个表或DataFrame时，根据连接键连接的方式不同，有内连接(inner)、外连接(outer)、左连接(left)和右连接(right)等4种连接方式，它们对应的集合关系如图10-4所示。
图10-4 各连接方式对应的集合关系
从图中可以看出，内连接是求两个对象的交，外连接是求它们的并，左连接是左表加上二者的交，右连接是右表加上二者的交。
【MATLAB】
MATLAB中可用join函数和innerjoin函数求两个表的内连接，即求它们的交。
下面先创建两个表，即T1和T2。
>> T1=table({'张三';'李四';'杨二';'王五'},[18;19;17;25], ...
[162;169;164;167],[116;103;131;133],'VariableNames', ...
{'Name' 'Age' 'Height' 'Weight'});
>> T2=table({'张三';'李四';'杨二';'王五';'苏云'}, ...
{'M';'M';'M';'M';'F'},[0;0;0;1;0], ...
'VariableNames',{'Name' 'Gender' 'Married'});
>> T1
T1 =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'李四'} 19 169 103
{'杨二'} 17 164 131
{'王五'} 25 167 133
>> T2
T2 =
5×3 table
Name Gender Married
________ ______ _______
{'张三'} {'M'} 0
{'李四'} {'M'} 0
{'杨二'} {'M'} 0
{'王五'} {'M'} 1
{'苏云'} {'F'} 0用join函数默认时求表T1和T2的内连接。这里连接键为Name列，下面表T3中的4个名字在T1和T2中都有，将它们对应的数据合并到T3。
>> T3=join(T1,T2)
T3 =
4×6 table
Name Age Height Weight Gender Married
________ ___ ______ ______ ______ _______
{'张三'} 18 162 116 {'M'} 0
{'李四'} 19 169 103 {'M'} 0
{'杨二'} 17 164 131 {'M'} 0
{'王五'} 25 167 133 {'M'} 1使用innerjoin函数也可以求T1和T2的内连接。
>> T4=innerjoin(T1,T2)
T4 =
4×6 table
Name Age Height Weight Gender Married
________ ___ ______ ______ ______ _______
{'张三'} 18 162 116 {'M'} 0
{'李四'} 19 169 103 {'M'} 0
{'杨二'} 17 164 131 {'M'} 0
{'王五'} 25 167 133 {'M'} 1使用outerjoin函数默认时求T1和T2的外连接，即求它们的并集。并集中包含两个表中的全部数据，没有的数据用缺失值表示。
>> T5=outerjoin(T1,T2)
T5 =
5×7 table
Name_T1 Age Height Weight Name_T2 Gender Married
__________ ___ ______ ______ ________ ______ _______
{'张三' } 18 162 116 {'张三'} {'M'} 0
{'李四' } 19 169 103 {'李四'} {'M'} 0
{'杨二' } 17 164 131 {'杨二'} {'M'} 0
{'王五' } 25 167 133 {'王五'} {'M'} 1
{0×0 char} NaN NaN NaN {'苏云'} {'F'} 0给outerjoin函数的“type”参数指定不同的值，可以实现外连接、左连接和右连接。下面指定“type”参数的值为“full”，结果为外连接。
>> T6=outerjoin(T1,T2,'type','full')
T6 =
5×7 table
Name_T1 Age Height Weight Name_T2 Gender Married
__________ ___ ______ ______ ________ ______ _______
{'张三' } 18 162 116 {'张三'} {'M'} 0
{'李四' } 19 169 103 {'李四'} {'M'} 0
{'杨二' } 17 164 131 {'杨二'} {'M'} 0
{'王五' } 25 167 133 {'王五'} {'M'} 1
{0×0 char} NaN NaN NaN {'苏云'} {'F'} 0给outerjoin函数的“type”参数指定值为“left”，结果为左连接。左连接时左表不变，在左表的基础上加上两个表的交集。
>> T7=outerjoin(T1,T2,'type','left')
T7 =
4×7 table
Name_T1 Age Height Weight Name_T2 Gender Married
________ ___ ______ ______ ________ ______ _______
{'张三'} 18 162 116 {'张三'} {'M'} 0
{'李四'} 19 169 103 {'李四'} {'M'} 0
{'杨二'} 17 164 131 {'杨二'} {'M'} 0
{'王五'} 25 167 133 {'王五'} {'M'} 1给outerjoin函数的“type”参数指定值为“right”，结果为右连接。右连接时右表不变，在右表的基础上加上两个表的交集。
>> T8=outerjoin(T1,T2,'type','right')
T8 =
5×7 table
Name_T1 Age Height Weight Name_T2 Gender Married
__________ ___ ______ ______ ________ ______ _______
{'张三' } 18 162 116 {'张三'} {'M'} 0
{'李四' } 19 169 103 {'李四'} {'M'} 0
{'杨二' } 17 164 131 {'杨二'} {'M'} 0
{'王五' } 25 167 133 {'王五'} {'M'} 1
{0×0 char} NaN NaN NaN {'苏云'} {'F'} 0【Python】
Python中使用pandas包的merge函数可实现多个表的合并。根据merge函数how参数的取值的不同，实现不同方式的合并。
下面创建两个DataFrame df1和df2。
>>> df1=pd.DataFrame([['张三',18,162,116],['李四',19,169,103],['杨二',17,164,131],['王五',25,167,133]],columns=['Name','Age','Height','Weight'])
>>> df2=pd.DataFrame([['张三','M',0], ['李四','M',0], ['杨二','M',0], ['王五','M',1], ['苏云','F',0],],columns=['Name','Gender','Married'])
>>> df1
Name Age Height Weight
0 张三 18 162 116
1 李四 19 169 103
2 杨二 17 164 131
3 王五 25 167 133
>>> df2
Name Gender Married
0 张三 M 0
1 李四 M 0
2 杨二 M 0
3 王五 M 1
4 苏云 F 0设置how参数的取值为“inner”，用merge函数对df1和df2进行内连接。这里连接键为Name列。
>>> df3=pd.merge(df1, df2, on='Name', how='inner')
>>> df3
Name Age Height Weight Gender Married
0 张三 18 162 116 M 0
1 李四 19 169 103 M 0
2 杨二 17 164 131 M 0
3 王五 25 167 133 M 1设置how参数的取值为“outer”，用merge函数对df1和df2进行外连接。
>>> df4=pd.merge(df1, df2, on='Name', how='outer')
>>> df4
Name Age Height Weight Gender Married
0 张三 18.0 162.0 116.0 M 0
1 李四 19.0 169.0 103.0 M 0
2 杨二 17.0 164.0 131.0 M 0
3 王五 25.0 167.0 133.0 M 1
4 苏云 NaN NaN NaN F 0设置how参数的取值为“left”，用merge函数对df1和df2进行左连接。
>>> df5=pd.merge(df1, df2, on='Name', how='left')
>>> df5
Name Age Height Weight Gender Married
0 张三 18 162 116 M 0
1 李四 19 169 103 M 0
2 杨二 17 164 131 M 0
3 王五 25 167 133 M 1设置how参数的取值为“right”，用merge函数对df1和df2进行右连接。
>>> df6=pd.merge(df1, df2, on='Name', how='right')
>>> df6
Name Age Height Weight Gender Married
0 张三 18.0 162.0 116.0 M 0
1 李四 19.0 169.0 103.0 M 0
2 杨二 17.0 164.0 131.0 M 0
3 王五 25.0 167.0 133.0 M 1
4 苏云 NaN NaN NaN F 0数据拼接
数据拼接，是将两个具有相同行数的表或DataFrame在水平方向拼接在一起组成一个新的表或DataFrame；或将两个具有相同列数的表或DataFrame在垂直方向拼接在一起组成一个新的表或DataFrame。
【MATLAB】
MATLAB中水平方向拼接两个表，将它们用中括号放到一个数组中就可以了，将两个表的变量用空格间隔。注意，进行水平方向拼接的两个表必须具有相同的行数。
下面创建两个表T1和T2。
>> T1=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;164;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'})
>> T2=table({'M';'M';'M';'M'},[0;0;0;1], ...
'VariableNames',{'Gender' 'Married'})在水平方向上拼接T1和T2，组成新的表T。
>> T=[T1 T2]
T =
4×6 table
Name Age Height Weight Gender Married
________ ___ ______ ______ ______ _______
{'张三'} 18 162 116 {'M'} 0
{'李四'} 19 169 103 {'M'} 0
{'杨二'} 17 164 131 {'M'} 0
{'王五'} 25 167 133 {'M'} 1【Python】
Python中使用pandas包中的concat函数实现DataFrame的水平方向拼接。
下面创建两个DataFrame df1和df2。
>>> df1=pd.DataFrame([['张三',18,162,116],['李四',19,169,103],['杨二',17,164,131],['王五',25,167,133]],columns=['Name','Age','Height','Weight'])
>>> df2=pd.DataFrame([['M',0],['M',0],['F',0], ['M',1]],columns=['Gender','Married'])用concat函数在水平方向拼接df1和df2，设置axis参数的值为1，表示拼接方向为水平方向。
>>> df3=pd.concat([df1,df2],axis=1)
>>> df3
Name Age Height Weight Gender Married
0 张三 18 162 116 M 0
1 李四 19 169 103 M 0
2 杨二 17 164 131 F 0
3 王五 25 167 133 M 1【MATLAB】
MATLAB中垂直方向拼接两个表，将它们用中括号放到一个数组中就可以了，将两个表的变量用分号间隔。注意，进行垂向拼接的两个表必须具有相同的列数。
下面创建第1个表T1。
>> T1=table({'张三';'李四';'杨二';'王五'},[18;19;17;25],...
[162;169;164;167], [116;103;131;133],'VariableNames',...
{'Name' 'Age' 'Height' 'Weight'})
T1 =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'李四'} 19 169 103
{'杨二'} 17 164 131
{'王五'} 25 167 133下面创建第2个表T2。
>> Name={'韩英';'赵军';'余成';'黄丽'};
>> Age=[19;22;20;18];
>> Height=[173;168;171;167];
>> Weight=[93;121;113;101];
>> T2=table(Name,Age,Height,Weight)
T2 =
4×4 table
Name Age Height Weight
________ ___ ______ ______
{'韩英'} 19 173 93
{'赵军'} 22 168 121
{'余成'} 20 171 113
{'黄丽'} 18 167 101垂向拼接两个表，组成新的表T。
>> T=[T1;T2]
T =
8×4 table
Name Age Height Weight
________ ___ ______ ______
{'张三'} 18 162 116
{'李四'} 19 169 103
{'杨二'} 17 164 131
{'王五'} 25 167 133
{'韩英'} 19 173 93
{'赵军'} 22 168 121
{'余成'} 20 171 113
{'黄丽'} 18 167 101【Python】
Python中可以使用DataFrame对象的_append方法垂向拼接两个DataFrame。要求这两个DataFrame具有相同的列数。
下面创建两个DataFrame df1和df2。
>>> df1=pd.DataFrame([['张三',18,162,116],['李四',19,169,103],['杨二',17,164,131],['王五',25,167,133]],columns=['Name','Age','Height','Weight'])
>>> df2=pd.DataFrame([['韩英',19,173,93],['赵军',22,168,121],['余成',20,171,113],['黄丽',18,167,101]],columns=['Name','Age','Height','Weight'])
>>> df1
Name Age Height Weight
0 张三 18 162 116
1 李四 19 169 103
2 杨二 17 164 131
3 王五 25 167 133
>>> df2
Name Age Height Weight
0 韩英 19 173 93
1 赵军 22 168 121
2 余成 20 171 113
3 黄丽 18 167 101使用df1对象的_append方法垂向拼接df2。注意，在pandas 2.x版本中DataFrame对象已经没有append方法了，可以用_append方法实现。[大谦MATLAB，dqmatlab点com]
>>> df3=df1._append(df2)
>>> df3
Name Age Height Weight
0 张三 18 162 116
1 李四 19 169 103
2 杨二 17 164 131
3 王五 25 167 133
0 韩英 19 173 93
1 赵军 22 168 121
2 余成 20 171 113
3 黄丽 18 167 101