如何使用Pandas合并三个数据集：餐厅、用户与评分数据

没问题！要把这三个数据集整合为包含餐厅特征、用户特征和对应评分标签的统一数据集，用Python的pandas库就能高效完成。下面是详细的步骤和代码示例：

步骤1：导入必要的库 #

首先确保你已经安装了pandas，然后导入它：

import pandas as pd

步骤2：读取三个CSV文件 #

使用pd.read_csv()读取你的三个数据集：

# 读取餐厅数据
restaurants = pd.read_csv('restaurants.csv')
# 读取用户数据
users = pd.read_csv('users.csv')
# 读取评分数据
ratings = pd.read_csv('rating.csv')

步骤3：逐步合并数据集 #

我们需要以rating.csv为核心（它关联了用户和餐厅），先合并餐厅特征，再合并用户特征：

3.1 合并评分与餐厅数据 #

通过place_id将评分数据和餐厅数据关联起来：

# 合并评分与餐厅数据，保留双方都匹配的记录（内连接）
rating_with_rest = pd.merge(ratings, restaurants, on='place_id', how='inner')

3.2 合并用户特征到结果中 #

接着通过user_id将用户数据合并到上面的结果里：

# 合并用户数据，同样使用内连接确保每条记录都有对应的评分、餐厅和用户信息
final_dataset = pd.merge(rating_with_rest, users, on='user_id', how='inner')

优化：处理重复的列名 #

注意到restaurants.csv和users.csv都有feature1、feature2列，合并后会自动加上_x（来自餐厅）和_y（来自用户）的后缀。如果想让列名更清晰，可以用两种方式处理：

方法1：合并时指定自定义后缀 #

final_dataset = pd.merge(
    pd.merge(ratings, restaurants, on='place_id', how='inner'),
    users,
    on='user_id',
    how='inner',
    suffixes=('_rest', '_user')  # 餐厅特征加_rest后缀，用户特征加_user后缀
)

方法2：提前重命名列 #

# 重命名餐厅的特征列
restaurants = restaurants.rename(columns={'feature1': 'rest_feature1', 'feature2': 'rest_feature2'})
# 重命名用户的特征列
users = users.rename(columns={'feature1': 'user_feature1', 'feature2': 'user_feature2'})
# 再进行合并
final_dataset = pd.merge(pd.merge(ratings, restaurants, on='place_id'), users, on='user_id')

查看最终结果 #

你可以用head()方法查看合并后的数据集前几行：

print(final_dataset.head())

这样得到的final_dataset就完整包含了你需要的所有信息：餐厅特征、用户特征以及对应的评分标签。

内容的提问来源于stack exchange，提问作者Gunay Abdullayeva