← 返回列表

4.4.3-数据框连接.md

4.4.3 数据框连接（问答库）

  1. 【单选题·易】课程中用来连接多个数据框的方法是？ A. groupby() B. pd.merge() C. pd.concat() D. drop() 答案：C 解析： 语料明确：concat() 方法用于连接多个数据框。merge() 是 4.4.1 的按关键字合并，groupby 属于分组，drop 用于删除行或列。
  2. 【单选题·易】调用 pd.concat([df1, df2], ignore_index=True) 时，参数 ignore_index=True 的作用是？ A. 指定按「学号」对齐 B. 重建索引 C. 删除重复行 D. 把两表左右拼接成更多列 答案：B 解析： 课程说明：参数 ignore_index=True 用于重建索引。连接后行标签变为连续的 0、1、2…，而不是保留各表原来的索引。
  3. 【判断题·易】concat() 用于连接多个数据框。 答案：√ 解析： 4.4.3 开篇即指出：concat() 方法用于连接多个数据框。典型例子是把一个班两部分同学的成绩表拼成一张。
  4. 【判断题·易】pd.concat(df1, df2) 与 pd.concat([df1, df2]) 写法等价，都可以完成连接。 答案：× 解析： 课程写法是把数据框放进列表再传入，即 pd.concat([df1, df2], ignore_index=True)。直接写成两个位置参数不符合 concat() 的调用约定。
  5. 【多选题·中】关于 pd.concat()，下列说法正确的有： A. 用于连接多个数据框 B. 第一个参数应是数据框组成的列表 C. ignore_index=True 用于重建索引 D. 作用与 merge() 完全相同，都按「学号」横向拼列 答案：ABC 解析： A、B、C 均来自 4.4.3 语料。merge() 按关键字合并字段，concat() 把多段记录上下拼接，二者不同，故 D 错误。
  6. 【单选题·中】执行下列代码后，连接结果 cheng 一共有多少行？
import pandas as pd
df1 = pd.DataFrame({'学号': ['201', '202', '203'], '语文': [91, 82, 93], '数学': [94, 85, 96]})
df2 = pd.DataFrame({'学号': ['204', '205', '206'], '语文': [95, 87, 83], '数学': [84, 75, 91]})
cheng = pd.concat([df1, df2], ignore_index=True)
print(cheng)

A. 3 行（只保留 df1） B. 3 行（只保留两表学号的交集，本例为空，实际 0 行） C. 6 行（df1 的 3 行接上 df2 的 3 行） D. 9 行（笛卡尔积） 答案：C 解析： concat() 沿行方向堆叠，不按学号求交。3+3=6 行，对应学号 201～206。B 把连接误当成了 merge() 的内连接。

  1. 【单选题·中】沿用上题代码，学号 '204' 对应的语文、数学成绩是？ A. 语文 91、数学 94（误把 df1 第一行配给了 204） B. 语文 95、数学 84 C. 语文 87、数学 75 D. 语文 83、数学 91 答案：B 解析： '204' 来自 df2 第一行，语文 95、数学 84。87/75 是 205，83/91 是 206，91/94 是 201。连接按表的先后顺序堆叠，不按行号与另一表对齐。
  2. 【多选题·中】根据课程示例，连接后的数据框 cheng 中应包含哪些列？ A. 学号 B. 语文 C. 数学 D. 分区 答案：ABC 解析： df1 与 df2 都是「学号、语文、数学」，上下连接后列不变。「分区」是 4.3 分组示例中的列，本节没有。
  3. 【判断题·中】cheng = pd.concat([df1, df2], ignore_index=True) 执行后，原数据框 df1 会被就地改写成 6 行。 答案：× 解析： concat() 生成新数据框并赋给 cheng，原来的 df1、df2 保持不变。要使用连接结果，应使用返回值。
  4. 【单选题·难】执行下列代码后，list(cheng.index) 与 len(cheng.loc[0]) 分别是？
import pandas as pd
df1 = pd.DataFrame({'学号': ['201', '202', '203'], '语文': [91, 82, 93], '数学': [94, 85, 96]})
df2 = pd.DataFrame({'学号': ['204', '205', '206'], '语文': [95, 87, 83], '数学': [84, 75, 91]})
cheng = pd.concat([df1, df2])
print(list(cheng.index))
print(len(cheng.loc[0]))

A. [0, 1, 2, 3, 4, 5] 与 1（即使未写 ignore_index 也会自动重建） B. [0, 1, 2, 0, 1, 2] 与 2（loc[0] 同时取出 201 和 204 两行） C. [0, 1, 2] 与 3（只保留 df1 的索引） D. 报错，因为索引重复 答案：B 解析： 未设置 ignore_index=True 时不重建索引，两表原来的 0、1、2 原样保留，出现重复标签。loc[0] 按标签取值，会得到学号 201 与 204 两行。课程强调该参数「用于重建索引」，正是为了避免这种情况。

  1. 【简答题·中】请写出完整可运行代码：创建与课程相同的 df1、df2，用 concat() 连接为 cheng（重建索引）并打印。再说明：学号 '205' 的语文、数学各是多少？连接后第 0 行是谁？ 答案：
import pandas as pd
df1 = pd.DataFrame({'学号': ['201', '202', '203'], '语文': [91, 82, 93], '数学': [94, 85, 96]})
df2 = pd.DataFrame({'学号': ['204', '205', '206'], '语文': [95, 87, 83], '数学': [84, 75, 91]})
cheng = pd.concat([df1, df2], ignore_index=True)
print(cheng)

学号 '205' 的语文是 87、数学是 75。连接后第 0 行是 df1 的第一位同学，学号 '201'（语文 91、数学 94），因为列表中 df1 在前。 解析： 评分要点：① 学号写成字符串；② pd.concat([df1, df2], ignore_index=True)；③ 205 对应 87 与 75；④ 能说明结果顺序跟随列表顺序。漏写列表括号或 ignore_index 可酌情扣分。

  1. 【简答题·难】结合下列代码，回答三个问题：（1）concat() 与 merge() 在本例中各会得到几行？为什么？（2）ignore_index=True 使结果的行标签变成什么？若去掉该参数，cheng.loc[0] 会取出哪些学号？（3）pandas 2.x 若要在已有成绩表末尾再追加一名同学，应如何使用 concat()？
import pandas as pd
df1 = pd.DataFrame({'学号': ['201', '202', '203'], '语文': [91, 82, 93], '数学': [94, 85, 96]})
df2 = pd.DataFrame({'学号': ['204', '205', '206'], '语文': [95, 87, 83], '数学': [84, 75, 91]})
cheng = pd.concat([df1, df2], ignore_index=True)
print(cheng)

答案： （1）concat() 得到 6 行（两部分同学上下拼接）。merge() 按「学号」对齐，本例两表学号无交集，内连接（默认 how='inner'）得到 0 行。连接加长行，合并拼字段，场景不同。 （2）重建后行标签为 0～5。去掉 ignore_index=True 后原索引保留为 0、1、2、0、1、2，cheng.loc[0] 会取出学号 '201' 和 '204' 两行。 （3）先把新行做成数据框，再与原表连接，例如 new_row = pd.DataFrame({'学号': ['207'], '语文': [88], '数学': [90]})，然后 df = pd.concat([cheng, new_row], ignore_index=True)。这与 4.1.2 中 pandas 2.x 追加新行的写法一致。 解析： 评分要点：① 能区分连接 6 行与按学号内连接 0 行；② 说明重建索引及漏写后 loc[0] 命中两行；③ 追加新行须先构造数据框再 concat。只背 6 行输出、说不清与 merge() 的差别不得满分。

下载此文件