### Pandas 中 `read_excel`、`concat` 和 `merge` 函数的使用 #### 读取 Excel 文件 (`read_excel`) Pandas 的 `read_excel` 方法用于从 Excel 文件加载数据到 DataFrame 对象。以下是其基本语法和参数说明： - **path**: 路径字符串，指定要读取的 Excel 文件的位置。 - **sheet_name**: 可选，默认为第一个工作表 (0)，可以传入索引或名称来选择特定的工作表。 - **dtype**: 数据类型的字典映射，可用来强制转换某些列的数据类型。 示例代码如下： ```python import pandas as pd # 加载两个不同的 Excel 文件 df1 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-stroke.xlsx') df2 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx') ``` 上述代码通过路径分别加载了两个 Excel 文件中的数据[^1]。 --- #### 合并 DataFrames (`merge`) `pd.merge()` 是一种强大的工具，允许基于共同的关键字段将多个表格组合在一起。主要参数有以下几个： - **left/right**: 左右两侧待合并的 DataFrame。 - **on**: 指定主键列名，该列存在于左右两方中。 - **how**: 连接方式，支持 `'inner'`, `'outer'`, `'left'`, 或 `'right'`。 以下是一个例子，演示如何以内连接的方式按 '编号' 列为主键进行合并： ```python df_merge = pd.merge(df1, df2, on='编号', how='inner') print("合并结果前五行：") print(df_merge.head()) ``` 此代码片段实现了以 '编号' 列作为主键的内连接操作，并打印出新 DataFrame 的前五条记录。 --- #### 拼接 DataFrames (`concat`) 当需要水平堆叠多个 DataFrame 时，可以使用 `pd.concat()` 方法。它通常应用于增加额外特征列的情形下。例如，在分类变量被独热编码之后，可以通过这种方式将其重新附加回原始 DataFrame 上面去。 下面展示了如何向现有 DataFrame 添加几个哑变量（dummy variables）列的过程： ```python df = pd.concat([df, dfdummies_gender], axis=1) df = pd.concat([df, dfDummies_work_type], axis=1) df = pd.concat([df, dfmumies_smoking_status], axis=1) df.info() ``` 这里连续调用了三次 `pd.concat()` 来逐次追加性别、职业类别以及吸烟状态这些经过编码后的属性列[^2]。 注意这里的 `axis=1` 参数表示沿着列方向拼接；如果设置成 `axis=0` 就会变成垂直叠加模式。 --- ### 总结 以上就是关于 Pandas 库里头针对 Excel 表格的一些基础处理技巧介绍——包括但不限于导入外部资料(`read_excel`)、依据关键字关联多张表单(`merge`)还有横向扩展新增栏位(`concat`)等功能的实际应用案例解析[^2]。