Pandas中DataFrame数据合并 连接(concat merge join)

首先给大家推荐一下我老师大神的人工智能教学网站。教学不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵黄段子!点这里可以跳转到网站

最近在工作中,遇到了数据合并、连接的问题,故整理如下,供需要者参考~

一、concat:沿着一条轴,将多个对象堆叠到一起

       concat方法相当于数据库中的全连接(union all),它不仅可以指定连接的方式(outer join或inner join)还可以指定按照某个轴进行连接。与数据库不同的是,它不会去重,但是可以使用drop_duplicates方法达到去重的效果。

concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,        keys=None, levels=None, names=None, verify_integrity=False, copy=True): 

       pd.concat()只是单纯的把两个表拼接在一起,参数axis是关键,它用于指定是行还是列,axis默认是0。当axis=0时,pd.concat([obj1, obj2])的效果与obj1.append(obj2)是相同的;当axis=1时,pd.concat([obj1, obj2], axis=1)的效果与pd.merge(obj1, obj2, left_index=True, right_index=True, how=’outer’)是相同的。merge方法的介绍请参看下文。

       参数介绍:

       objs:需要连接的对象集合,一般是列表或字典;

       axis:连接轴向;

       join:参数为‘outer’或‘inner’;

       join_axes=[]:指定自定义的索引;

       keys=[]:创建层次化索引;

       ignore_index=True:重建索引

       举例:

df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])    df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])    pd.concat([df1,df2])              a         b         c         d  0 -0.848557 -1.163877 -0.306148 -1.163944  1  1.358759  1.159369 -0.532110  2.183934  2  0.532117  0.788350  0.703752 -2.620643  0 -0.316156 -0.707832       NaN -0.416589  1  0.406830  1.345932       NaN -1.874817   pd.concat([df1,df2],ignore_index=True)             a         b         c         d  0 -0.848557 -1.163877 -0.306148 -1.163944  1  1.358759  1.159369 -0.532110  2.183934  2  0.532117  0.788350  0.703752 -2.620643  3 -0.316156 -0.707832       NaN -0.416589  4  0.406830  1.345932       NaN -1.874817  

二、merge:通过键拼接列

      类似于关系型数据库的连接方式,可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是,针对同一个主键存在两张不同字段的表,根据主键整合到一张表里面。

merge(left, right, how='inner', on=None, left_on=None, right_on=None,        left_index=False, right_index=False, sort=True,        suffixes=('_x', '_y'), copy=True, indicator=False)

     参数介绍:

     left和right:两个不同的DataFrame;

     how:连接方式,有inner、left、right、outer,默认为inner;

     on:指的是用于连接的列索引名称,必须存在于左右两个DataFrame中,如果没有指定且其他参数也没有指定,则以两个DataFrame列名交集作为连接键;

     left_on:左侧DataFrame中用于连接键的列名,这个参数左右列名不同但代表的含义相同时非常的有用;

     right_on:右侧DataFrame中用于连接键的列名;

     left_index:使用左侧DataFrame中的行索引作为连接键;

     right_index:使用右侧DataFrame中的行索引作为连接键;

     sort:默认为True,将合并的数据进行排序,设置为False可以提高性能;

     suffixes:字符串值组成的元组,用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称,默认为(‘_x’, ‘_y’);

     copy:默认为True,总是将数据复制到数据结构中,设置为False可以提高性能;

     indicator:显示合并数据中数据的来源情况

     举例:

# 1.默认以重叠的列名当做连接键。df1=DataFrame({'key':['a','b','b'],'data1':range(3)})    df2=DataFrame({'key':['a','b','c'],'data2':range(3)})    pd.merge(df1,df2)   #没有指定连接键,默认用重叠列名,没有指定连接方式       data1 key  data2  0      0   a      0  1      1   b      1  2      2   b      1   # 2.默认做inner连接(取key的交集),连接方式还有(left,right,outer),制定连接方式加参数:how=''pd.merge(df2,df1)       data2 key  data1  0      0   a      0  1      1   b      1  2      1   b      2                   #默认内连接,可以看见c没有连接上。    pd.merge(df2,df1,how='left')    #通过how,指定连接方式      data2 key  data1  0      0   a      0  1      1   b      1  2      1   b      2  3      2   c    NaN   # 3.多键连接时将连接键组成列表传入,例:pd.merge(df1,df2,on=['key1','key2']right=DataFrame({'key1':['foo','foo','bar','bar'],           'key2':['one','one','one','two'],           'lval':[4,5,6,7]})  left=DataFrame({'key1':['foo','foo','bar'],           'key2':['one','two','one'],           'lval':[1,2,3]})  right=DataFrame({'key1':['foo','foo','bar','bar'],           'key2':['one','one','one','two'],           'lval':[4,5,6,7]})  pd.merge(left,right,on=['key1','key2'],how='outer')  #传出数组       key1 key2  lval_x  lval_y  0  foo  one       1       4  1  foo  one       1       5  2  foo  two       2     NaN  3  bar  one       3       6  4  bar  two     NaN       7   # 4.如果两个对象的列名不同,可以分别指定,例:pd.merge(df1,df2,left_on='lkey',right_on='rkey')df3=DataFrame({'key3':['foo','foo','bar','bar'], #将上面的right的key 改了名字           'key4':['one','one','one','two'],           'lval':[4,5,6,7]})  pd.merge(left,df3,left_on='key1',right_on='key3')  #键名不同的连接       key1 key2  lval_x key3 key4  lval_y  0  foo  one       1  foo  one       4  1  foo  one       1  foo  one       5  2  foo  two       2  foo  one       4  3  foo  two       2  foo  one       5  4  bar  one       3  bar  one       6  5  bar  one       3  bar  two       7  

三、join:主要用于索引上的合并

join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):

其参数的意义与merge方法中的参数意义基本一样。

点这里可以跳转到人工智能网站

发表评论