Python 从两个csv文件中删除Groupby

所以我在Datacamp做一个练习，它告诉你从两个文件中按地区汇总预期寿命

寿命名称，带列：[“国家”、“预期寿命”] 资料来源：

地区名称，列：[“国家”、“地区”] 资料来源：

我理解index_col对一个数据帧的作用，但我不理解的是python如何在多个数据帧中找到“公共分母”列[“国家”]

我没有明确说明：

---

生活['Country']==地区['Country'.

你的怀疑是正确的。熊猫/巨蟒100%不推断

生命['Country']==区域['Country']

。如果我错了，有人会纠正我（我不是熊猫专家），但当你陈述

生活.groupby（regions['region']）

时，你告诉熊猫做两件基本的事情：

首先：熊猫看到您想要按

区域['region']

分组。为此，它将

区域['region']

系列的所有索引映射到它们所属的任何组

Second：Pandas获取从索引到组的映射，并将其应用于

life

数据帧的索引

为什么这样做有效？纯属巧合。这种方法有效的唯一原因是（a）您的数据帧具有相同的长度，（b）您的数据帧索引恰好是协同编码的。所以这个groupby操作碰巧奏效，但你应该知道这一切都是偶然的。如果您希望以合理可靠的方式实际执行此操作，那么您应该合并

国家

（或任何合适的）上的两个数据帧，然后执行groupby。希望这有帮助

编辑：添加了有关如何正确执行此操作的示例：

pd.merge(life, regions, how='left', left_index=True, 
         right_index=True).groupby('region')['2010'].mean()

---

虽然这种分组一开始可能看起来很危险，也很随意，但事实证明它表现得相当好

这里的关键是，当您将

序列作为分组对象传递给
DataFrame.groupby（）
时，默认情况下，它会在索引上对齐序列。通常，您会将一个
DataFrame
按它自己的一列分组，在这种情况下，实际上可以保证索引上的对齐。但在这种情况下，因为两个
数据帧
都将
国家
作为其索引，因此将
寿命
中的值与正确的
区域
适当对齐，并计算平均值

两个
数据帧
甚至可以按不同顺序排列，并且可以有不同数量的总元素，计算将正常进行。以下三个例子应说明这一点：

样本数据
案例1：
两个数据帧共享相同的索引，长度相同，但排序方式不同

df1.groupby(df2.region).mean()
#         val
#region      
#region1  4.5
#region2  2.0

因为序列首先在索引上对齐，所以每个区域的平均值仍然可以正确计算<代码>区域1包含
'E'
和
'D'
，其值分别为
4和
5

案例2：
分组
DataFrame
的长度较短，并且不包含要分组的
DataFrame
中的所有国家/地区

df1.groupby(df3.region).mean()
#         val
#region      
#region1  4.5
#region2  2.5

df1.groupby(df3.region).mean()
#         val
#region      
#region1  4.5
#region2  2.0

同样，计算工作正常<代码>'A'
没有区域，因此不再包括它，并且正确计算每个区域的平均值

It is better to do group by after merging the data frame,it works 
well even index is not same.


 df1 = pd.DataFrame({"Country": ['A', 'B', 'C', 'D', 'E',"F"], 
                "life_expectency": [60, 70, 80, 50, 100,80]})


df2 = pd.DataFrame({"Country": ['E', 'D', 'C', 'B', 'A'], 
                "region": ['region1', 'region1', 'region2', 
                           'region2', 'region2']})

pd.merge(df1,df2,how="left").groupby("region")[2010].mean()

note-taken same dataframes from ALollz answer.

案例3
分组
DataFrame
包含的组比要分组的
DataFrame
多

df1.groupby(df3.region).mean()
#         val
#region      
#region1  4.5
#region2  2.5

df1.groupby(df3.region).mean()
#         val
#region      
#region1  4.5
#region2  2.0

由于额外组不与分组的
数据帧中的任何内容对齐，因此不会产生任何输出

基本上，唯一会导致问题的是，您用于分组的序列的索引是否重复。然后，
pandas
无法确定如何正确对齐这些值

It is better to do group by after merging the data frame,it works 
well even index is not same.


 df1 = pd.DataFrame({"Country": ['A', 'B', 'C', 'D', 'E',"F"], 
                "life_expectency": [60, 70, 80, 50, 100,80]})


df2 = pd.DataFrame({"Country": ['E', 'D', 'C', 'B', 'A'], 
                "region": ['region1', 'region1', 'region2', 
                           'region2', 'region2']})

pd.merge(df1,df2,how="left").groupby("region")[2010].mean()

note-taken same dataframes from ALollz answer.