Pandas数据处理：合并和拆分DataFrame

使用Pandas合并和拆分DataFrame

本文将演示如何使用Pandas库合并和拆分DataFrame，并提供三种不同的方法来完成相同的结果。

问题：

有两张包含课程信息和分数的DataFrame：

DataFrame 1:

df_fs1 = pd.DataFrame(pd.read_csv('data/Course1.csv'))
          课程名字   课程类别  学分    分数
0  思想道德修养与法律基础    思政类   3  89.0
1     云计算应用与开发  专业选修课   3  96.0
2         社会计算  专业选修课   3  78.0
3         深度学习  专业选修课   3  75.0
4       人工智能导论  专业必修课   3  84.0

DataFrame 2:

df_fs2 = pd.DataFrame(pd.read_csv('data/Course2.csv'))
        课程名字   课程类别  学分     分数
0    高等数学（一）  学科基础课   4   99.0
1  数据科学与工程导论  学科基础课   3    NaN
2       专业英语  学科基础课   2  100.0
3        概率论  学科基础课   3   99.0
4      计算机系统  专业必修课   4   80.0

目标：

1. 将两张表分别拆分为专业课与非专业课（结果为四张表）。
2. 将两张专业课的分数表和两张非专业课的分数表分别合并。
3. 不使用步骤1，直接读取两张表合并后拆分。

解决方案：

(a) 分别拆分DataFrame

# 专业课表1
df_fs1_pro = df_fs1[df_fs1['课程类别'].str.contains('专业')]

# 非专业课表1
df_fs1_nonpro = df_fs1[~df_fs1['课程类别'].str.contains('专业')]

# 专业课表2
df_fs2_pro = df_fs2[df_fs2['课程类别'].str.contains('专业')]

# 非专业课表2
df_fs2_nonpro = df_fs2[~df_fs2['课程类别'].str.contains('专业')]

(b) 合并DataFrame

# 专业课分数表
df_pro_scores = pd.concat([df_fs1_pro[['课程名字', '分数']], df_fs2_pro[['课程名字', '分数']]])

# 非专业课分数表
df_nonpro_scores = pd.concat([df_fs1_nonpro[['课程名字', '分数']], df_fs2_nonpro[['课程名字', '分数']]])

(c) 合并后再拆分

df_combined = pd.concat([df_fs1, df_fs2])
df_pro = df_combined[df_combined['课程类别'].str.contains('专业')]
df_nonpro = df_combined[~df_combined['课程类别'].str.contains('专业')]

结论：

Pandas 提供了灵活的方法来合并和拆分 DataFrame。您可以根据您的需求选择最合适的方法。