前面我介绍了可视化的一些方法以及机器学习在预测方面的应用，分为分类问题（预测值是离散型）和回归问题（预测值是连续型）（具体见之前的文章）。

从本期开始，我将做一个数据分析类实战的系列文章，列举一些在平时数据处理中遇到的一些小问题，提供一个解决方案，让读者慢慢理解python数据分析的原理和方法，每一篇文章从实现功能、实现代码、实现效果三个方面进行展示。

实现功能：

使用pandas提供的join函数，根据索引合并两个dataframe。

实现代码：

import pandas as pd
from pandas import Series,DataFrame

# 创建一个dataframe
left1 = DataFrame({'水果':['苹果','梨','草莓'],
                    '价格':[3,4,5],
                    '数量':[9,8,7]})
# 将dataframe中的某一列设置为索引
left1=left1.set_index('水果')
# 创建一个dataframe
right1 = DataFrame({'水果':['苹果','草莓','梨'],
                    '产地':['美国','中国','法国']})
# 将dataframe中的某一列设置为索引，
# 这里水果单独占一行，不过后面写入文件保存时会和表头对齐，不用纠结它
right1=right1.set_index('水果')
#打印出两个dataframe
print(left1)
print(right1)
# join函数默认将两个DataFrame的index进行合并
j1=left1.join(right1)
print(j1)

实现效果：

本人读研期间发表5篇SCI数据挖掘相关论文，现在在某研究院从事数据挖掘相关工作，对数据挖掘有一定的认知和理解，会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例。

致力于只做原创，不追求内容量，只为以最简单的方式让你理解和学习它们，关注数据杂坛与我一起交流成长。