Python第二十四课：Pandas库(四)
点击上方“蓝字”，关注我们.
不知不觉，我们已经跨越了千难万险，从零开始，一步步揭开了Python神秘的面纱。学到至今，回过头，才晓得自己在不知不觉已经学会了如此多的东西：比如可以快速找到适合项目的编辑器；可以轻松运用变量、判断、循环、递归、库来高效解决问题，并进行代码优化；可以处理各类数据，并最终将分析结果导出。
那么今天，除了揭秘另外一种Pandas的合并方式，还将简单了解一下统计图表的绘制。最后一节课啦，我们即将跨过山峰，收获更辽阔的风景。
今天的内容比较简单，但扩展性强，有更高层次需要的小伙伴请自行学习拓展内容。
1merge合并上节课讲解了concat合并，这种合并方式多用于文件类型。还要一种合并方式，它常常被用于数据库数据处理，而数据库存放的信息那可都是非常重要的，说明它的可靠性更高，那么我们今天就来学习这种可靠的合并方法——merge。
首先创建两个数据集，创建方法和数据如下：
merge合并，参数有两个dataframe，重合的行列值，用on=""表示。
那么，如果有多个重合的行列怎么办呢，那就在on=""里面添加多个数据即可。
例如上面的两个数据集，它们的重合列是key1和key2，那么合并操作如下：
正如图中注释所言，剪切默认方法是inner，当然，也可以设置how=['left','right','outer']这几种。这里再展示left和right两种合并方式：
如果面对大量数据，我们非常希望能够更加直观地看到每一次合并数据变动情况，这样就能以更高的效率找到异常数据的位置，并进行修改。merge合并就有这样的功能，叫indicator。
首先我们再创建两个数据集：
然后使用indicator，使合并后创建一个新列，记录每一行的变更情况，具体操作如下图所示：
merge也可以通过index进行合并数据集：
既然支持index合并，那么相同的属性合并后并不会因为重名而“打架”，而是将它们全都重命名：
当然，要是我们提前给它们想好新的名字，也可以直接交给merge，使用suffixes字段。看图就明白啦。
费劲九牛二虎之力，完成了数据的各种加工处理，如果你是员工，当然希望自己的老板表扬你，或者是让你老板认为你工作很认真——即使你效率高，有充足的事件摸鱼。
但是，当你拿着一堆数据给你的上司看，他肯定不屑一顾——上百万条数据，无论谁看都会头晕眼花，哪怕他是统计学高手，也受不起一条一条读数据这个工作量啊。
既然如此，我们需要让数据更直观展现出来，让所有人花最短时间get到数据的精髓，那么就得靠我们Python图表库的帮助了。
python图表库有很多，比如matplotlib，echarts等等，当然也有许多专业制图软件工具。今天我们以matplotlib.pyplot库为例，为大家抛砖引玉。当然，如果你觉得它不够酷，或者有其他用途(特别是web展示)，那么极力推荐自学echatrs。
首先还是按照惯例，导入库：
介绍一个就简单的线型图：
这里注意两点：首先data=data.cumsum是求该样本的累计次数，并返回数据集data；其次data.plot()在jupyter notebook可以直接绘制图像，如果在vscode、pycharm、IDLE等环境，需要加写plt.show()调用绘图工具，进行显示。
一个数据集的多个项，一样可以在同一张图中绘制出来。
plot绘图支持条形图、箱型图、散点图、折线图、蜂窝图、区域图、饼图等。
下图是用上一个数据集进行绘制的散点图。
两张图也可以叠加成一张图：
本系列课程就到此已经完结啦，大家已经掌握了Python的全部基础知识，但这远远不够，它只是进入程序设计的第一扇门。
接下来，你将看到各种各样的程序设计方向和更多满足你奇思妙想的好帮手，同时我们也在努力开发全新的课程，一直陪在大家身边。
只可惜正如我刚才说过的，光是Python开发方向就有很多，涉及到的技术也数不胜数，我们也无法学会所有的知识。那么，今后到底想试试网站开发、还是爬虫、数据分析、计算机视觉、机器学习……欢迎大家与我们留言，我们尽全力满足大家的愿望！
当然，无论是哪个方向，都有更大、更多的艰难险阻等待着大家，也并不是所有的方向学习的东西完全不同。前路漫漫，道阻且长，希望大家在今后的学习生活中能够保持热情，勇敢面对挫折，为了超越昨天的自己而不断努力。
本系列课程到此完全结束，新课程即将上线，敬请期待。
文：郭锦洋
审：谢寿春
你点的每个再看，我都认真当成了喜欢
