python merge、concat合并數(shù)據(jù)集的實例講解
數(shù)據(jù)規(guī)整化:合并、清理、過濾
pandas和python標(biāo)準(zhǔn)庫提供了一整套高級、靈活的、高效的核心函數(shù)和算法將數(shù)據(jù)規(guī)整化為你想要的形式!
本篇博客主要介紹:
合并數(shù)據(jù)集:.merge()、.concat()等方法,類似于SQL或其他關(guān)系型數(shù)據(jù)庫的連接操作。
合并數(shù)據(jù)集
1) merge 函數(shù)參數(shù)
參數(shù) | 說明 |
---|---|
left | 參與合并的左側(cè)DataFrame |
right | 參與合并的右側(cè)DataFrame |
how | 連接方式:‘inner'(默認(rèn));還有,‘outer'、‘left'、‘right' |
on | 用于連接的列名,必須同時存在于左右兩個DataFrame對象中,如果位指定,則以left和right列名的交集作為連接鍵 |
left_on | 左側(cè)DataFarme中用作連接鍵的列 |
right_on | 右側(cè)DataFarme中用作連接鍵的列 |
left_index | 將左側(cè)的行索引用作其連接鍵 |
right_index | 將右側(cè)的行索引用作其連接鍵 |
sort | 根據(jù)連接鍵對合并后的數(shù)據(jù)進(jìn)行排序,默認(rèn)為True。有時在處理大數(shù)據(jù)集時,禁用該選項可獲得更好的性能 |
suffixes | 字符串值元組,用于追加到重疊列名的末尾,默認(rèn)為(‘_x',‘_y').例如,左右兩個DataFrame對象都有‘data',則結(jié)果中就會出現(xiàn)‘data_x',‘data_y' |
copy | 設(shè)置為False,可以在某些特殊情況下避免將數(shù)據(jù)復(fù)制到結(jié)果數(shù)據(jù)結(jié)構(gòu)中。默認(rèn)總是賦值 |
1、多對一的合并(一個表的連接鍵列有重復(fù)值,另一個表中的連接鍵沒有重復(fù)值)
import pandas as pd import numpy as np df1 = pd.DataFrame({'key':['b','b','a','c','a','a','b'],'data1': range(7)}) df1
data1 | key | |
---|---|---|
0 | 0 | b |
1 | 1 | b |
2 | 2 | a |
3 | 3 | c |
4 | 4 | a |
5 | 5 | a |
6 | 6 | b |
df2 = pd.DataFrame({'key':['a','b','d'],'data2':range(3)}) df2
data2 | key | |
---|---|---|
0 | 0 | a |
1 | 1 | b |
2 | 2 | d |
pd.merge(df1,df2)#默認(rèn)情況
data1 | key | data2 | |
---|---|---|---|
0 | 0 | b | 1 |
1 | 1 | b | 1 |
2 | 6 | b | 1 |
3 | 2 | a | 0 |
4 | 4 | a | 0 |
5 | 5 | a | 0 |
df1.merge(df2)
data1 | key | data2 | |
---|---|---|---|
0 | 0 | b | 1 |
1 | 1 | b | 1 |
2 | 6 | b | 1 |
3 | 2 | a | 0 |
4 | 4 | a | 0 |
5 | 5 | a | 0 |
df1.merge(df2,on = 'key',how = 'inner')#內(nèi)連接,取交集
data1 | key | data2 | |
---|---|---|---|
0 | 0 | b | 1 |
1 | 1 | b | 1 |
2 | 6 | b | 1 |
3 | 2 | a | 0 |
4 | 4 | a | 0 |
5 | 5 | a | 0 |
df1.merge(df2,on = 'key',how = 'outer')#外鏈接,取并集,并用nan填充
data1 | key | data2 | |
---|---|---|---|
0 | 0.0 | b | 1.0 |
1 | 1.0 | b | 1.0 |
2 | 6.0 | b | 1.0 |
3 | 2.0 | a | 0.0 |
4 | 4.0 | a | 0.0 |
5 | 5.0 | a | 0.0 |
6 | 3.0 | c | NaN |
7 | NaN | d | 2.0 |
df1.merge(df2,on = 'key',how = 'left')#左連接,左側(cè)DataFrame取全部,右側(cè)DataFrame取部分
data1 | key | data2 | |
---|---|---|---|
0 | 0 | b | 1.0 |
1 | 1 | b | 1.0 |
2 | 2 | a | 0.0 |
3 | 3 | c | NaN |
4 | 4 | a | 0.0 |
5 | 5 | a | 0.0 |
6 | 6 | b | 1.0 |
df1.merge(df2,on = 'key',how = 'right')#右連接,右側(cè)DataFrame取全部,左側(cè)DataFrame取部分
data1 | key | data2 | |
---|---|---|---|
0 | 0.0 | b | 1 |
1 | 1.0 | b | 1 |
2 | 6.0 | b | 1 |
3 | 2.0 | a | 0 |
4 | 4.0 | a | 0 |
5 | 5.0 | a | 0 |
6 | NaN | d | 2 |
如果左右側(cè)DataFrame的連接鍵列名不一致,但是取值有重疊,可使用left_on、right_on來指定左右連接鍵
df3 = pd.DataFrame({'lkey':['b','b','a','c','a','a','b'],'data1': range(7)}) df3
data1 | lkey | |
---|---|---|
0 | 0 | b |
1 | 1 | b |
2 | 2 | a |
3 | 3 | c |
4 | 4 | a |
5 | 5 | a |
6 | 6 | b |
df4 = pd.DataFrame({'rkey':['a','b','d'],'data2':range(3)}) df4
data2 | rkey | |
---|---|---|
0 | 0 | a |
1 | 1 | b |
2 | 2 | d |
df3.merge(df4,left_on = 'lkey',right_on = 'rkey',how = 'inner')
data1 | lkey | data2 | rkey | |
---|---|---|---|---|
0 | 0 | b | 1 | b |
1 | 1 | b | 1 | b |
2 | 6 | b | 1 | b |
3 | 2 | a | 0 | a |
4 | 4 | a | 0 | a |
5 | 5 | a | 0 | a |
2、多對多的合并(一個表的連接鍵列有重復(fù)值,另一個表中的連接鍵有重復(fù)值)
df1 = pd.DataFrame({'key':['b','b','a','c','a','a','b'],'data1': range(7)}) df1
data1 | key | |
---|---|---|
0 | 0 | b |
1 | 1 | b |
2 | 2 | a |
3 | 3 | c |
4 | 4 | a |
5 | 5 | a |
6 | 6 | b |
df5 = pd.DataFrame({'key':['a','b','a','b','b'],'data2': range(5)}) df5
data2 | key | |
---|---|---|
0 | 0 | a |
1 | 1 | b |
2 | 2 | a |
3 | 3 | b |
4 | 4 | b |
df1.merge(df5)
data1 | key | data2 | |
---|---|---|---|
0 | 0 | b | 1 |
1 | 0 | b | 3 |
2 | 0 | b | 4 |
3 | 1 | b | 1 |
4 | 1 | b | 3 |
5 | 1 | b | 4 |
6 | 6 | b | 1 |
7 | 6 | b | 3 |
8 | 6 | b | 4 |
9 | 2 | a | 0 |
10 | 2 | a | 2 |
11 | 4 | a | 0 |
12 | 4 | a | 2 |
13 | 5 | a | 0 |
14 | 5 | a | 2 |
合并小結(jié)
1)默認(rèn)情況下,會將兩個表中相同列名作為連接鍵
2)多對多,會采用笛卡爾積形式鏈接(左表連接鍵有三個值‘1,3,5',右表有兩個值‘2,3',則會形成,(1,2)(1,3)(3,1),(3,2)。。。6種組合)
3)存在多個連接鍵的處理
left = pd.DataFrame({'key1':['foo','foo','bar'],'key2':['one','one','two'],'lval':[1,2,3]}) right = pd.DataFrame({'key1':['foo','foo','bar','bar'],'key2':['one','one','one','two'],'rval':[4,5,6,7]})
left
key1 | key2 | lval | |
---|---|---|---|
0 | foo | one | 1 |
1 | foo | one | 2 |
2 | bar | two | 3 |
right
key1 | key2 | rval | |
---|---|---|---|
0 | foo | one | 4 |
1 | foo | one | 5 |
2 | bar | one | 6 |
3 | bar | two | 7 |
pd.merge(left,right,on = ['key1','key2'],how = 'outer')
key1 | key2 | lval | rval | |
---|---|---|---|---|
0 | foo | one | 1.0 | 4 |
1 | foo | one | 1.0 | 5 |
2 | foo | one | 2.0 | 4 |
3 | foo | one | 2.0 | 5 |
4 | bar | two | 3.0 | 7 |
5 | bar | one | NaN | 6 |
1)連接鍵是多對多關(guān)系,應(yīng)執(zhí)行笛卡爾積形式
2)多列應(yīng)看連接鍵值對是否一致
4)對連接表中非連接列的重復(fù)列名的處理
pd.merge(left,right,on = 'key1')
key1 | key2_x | lval | key2_y | rval | |
---|---|---|---|---|---|
0 | foo | one | 1 | one | 4 |
1 | foo | one | 1 | one | 5 |
2 | foo | one | 2 | one | 4 |
3 | foo | one | 2 | one | 5 |
4 | bar | two | 3 | one | 6 |
5 | bar | two | 3 | two | 7 |
pd.merge(left,right,on = 'key1',suffixes = ('_left','_right'))
key1 | key2_left | lval | key2_right | rval | |
---|---|---|---|---|---|
0 | foo | one | 1 | one | 4 |
1 | foo | one | 1 | one | 5 |
2 | foo | one | 2 | one | 4 |
3 | foo | one | 2 | one | 5 |
4 | bar | two | 3 | one | 6 |
5 | bar | two | 3 | two | 7 |
2)索引上的合并
當(dāng)連接鍵位于索引中時,成為索引上的合并,可以通過merge函數(shù),傳入left_index、right_index來說明應(yīng)該被索引的情況。
一表中連接鍵是索引列、另一表連接鍵是非索引列
left1 = pd.DataFrame({'key':['a','b','a','a','b','c'],'value': range(6)}) left1
key | value | |
---|---|---|
0 | a | 0 |
1 | b | 1 |
2 | a | 2 |
3 | a | 3 |
4 | b | 4 |
5 | c | 5 |
right1 = pd.DataFrame({'group_val':[3.5,7]},index = ['a','b']) right1
group_val | |
---|---|
a | 3.5 |
b | 7.0 |
pd.merge(left1,right1,left_on = 'key',right_index = True)
key | value | group_val | |
---|---|---|---|
0 | a | 0 | 3.5 |
2 | a | 2 | 3.5 |
3 | a | 3 | 3.5 |
1 | b | 1 | 7.0 |
4 | b | 4 | 7.0 |
有上可知,left_on、right_on是指定表中非索引列為連接鍵,left_index、right_index是指定表中索引列為連接鍵,兩者可以組合,是為了區(qū)分是否是索引列
兩個表中的索引列都是連接鍵
left2 = pd.DataFrame(np.arange(6).reshape(3,2),index = ['a','b','e'],columns = ['0hio','nevada']) right2 = pd.DataFrame(np.arange(7,15).reshape(4,2),index = ['b','c','d','e'],columns = ['misso','ala']) left2
0hio | nevada | |
---|---|---|
a | 0 | 1 |
b | 2 | 3 |
e | 4 | 5 |
right2
misso | ala | |
---|---|---|
b | 7 | 8 |
c | 9 | 10 |
d | 11 | 12 |
e | 13 | 14 |
pd.merge(left2,right2,left_index = True,right_index = True,how = 'outer')
0hio | nevada | misso | ala | |
---|---|---|---|---|
a | 0.0 | 1.0 | NaN | NaN |
b | 2.0 | 3.0 | 7.0 | 8.0 |
c | NaN | NaN | 9.0 | 10.0 |
d | NaN | NaN | 11.0 | 12.0 |
e | 4.0 | 5.0 | 13.0 | 14.0 |
3)軸向連接
在這里展示一種新的連接方法,對應(yīng)于numpy的concatenate函數(shù),pandas有concat函數(shù)
#numpy arr =np.arange(12).reshape(3,4)
arr
array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])
np.concatenate([arr,arr],axis = 1)#橫軸連接塊
array([[ 0, 1, 2, 3, 0, 1, 2, 3], [ 4, 5, 6, 7, 4, 5, 6, 7], [ 8, 9, 10, 11, 8, 9, 10, 11]])
concat函數(shù)參數(shù)表格
參數(shù) | 說明 |
---|---|
objs | 參與連接的列表或字典,且列表或字典里的對象是pandas數(shù)據(jù)類型,唯一必須給定的參數(shù) |
axis=0 | 指明連接的軸向,0是縱軸,1是橫軸,默認(rèn)是0 |
join | ‘inner'(交集),‘outer'(并集),默認(rèn)是‘outer'指明軸向索引的索引是交集還是并集 |
join_axis | 指明用于其他n-1條軸的索引(層次化索引,某個軸向有多個索引),不執(zhí)行交并集 |
keys | 與連接對象有關(guān)的值,用于形成連接軸向上的層次化索引(外層索引),可以是任意值的列表或數(shù)組、元組數(shù)據(jù)、數(shù)組列表(如果將levels設(shè)置成多級數(shù)組的話) |
levels | 指定用作層次化索引各級別(內(nèi)層索引)上的索引,如果設(shè)置keys的話 |
names | 用于創(chuàng)建分層級別的名稱,如果設(shè)置keys或levels的話 |
verify_integrity | 檢查結(jié)果對象新軸上的重復(fù)情況,如果發(fā)橫則引發(fā)異常,默認(rèn)False,允許重復(fù) |
ignore_index | 不保留連接軸上的索引,產(chǎn)生一組新索引range(total_length) |
s1 = pd.Series([0,1,2],index = ['a','b','c']) s2 = pd.Series([2,3,4],index = ['c','f','e']) s3 = pd.Series([4,5,6],index = ['c','f','g'])
pd.concat([s1,s2,s3])#默認(rèn)并集、縱向連接
a 0 b 1 c 2 c 2 f 3 e 4 c 4 f 5 g 6 dtype: int64
pd.concat([s1,s2,s3],ignore_index = True)#生成縱軸上的并集,索引會自動生成新的一列
0 0 1 1 2 2 3 2 4 3 5 4 6 4 7 5 8 6 dtype: int64
pd.concat([s1,s2,s3],axis = 1,join = 'inner')#縱向取交集,注意該方法對對象表中有重復(fù)索引時失效
0 | 1 | 2 | |
---|---|---|---|
c | 2 | 2 | 4 |
pd.concat([s1,s2,s3],axis = 1,join = 'outer')#橫向索引取并集,縱向索引取交集,注意該方法對對象表中有重復(fù)索引時失效
0 | 1 | 2 | |
---|---|---|---|
a | 0.0 | NaN | NaN |
b | 1.0 | NaN | NaN |
c | 2.0 | 2.0 | 4.0 |
e | NaN | 4.0 | NaN |
f | NaN | 3.0 | 5.0 |
g | NaN | NaN | 6.0 |
concat函數(shù)小結(jié)
1)縱向連接,ignore_index = False ,可能生成重復(fù)的索引
2)橫向連接時,對象索引不能重復(fù)
4)合并重疊數(shù)據(jù)
適用范圍:
1)當(dāng)兩個對象的索引有部分或全部重疊時
2)用參數(shù)對象中的數(shù)據(jù)為調(diào)用者對象的缺失數(shù)據(jù)‘打補(bǔ)丁'
a = pd.Series([np.nan,2.5,np.nan,3.5,4.5,np.nan],index = ['a','b','c','d','e','f']) b = pd.Series(np.arange(len(a)),index = ['a','b','c','d','e','f'])
a
a NaN b 2.5 c NaN d 3.5 e 4.5 f NaN dtype: float64
b
a 0 b 1 c 2 d 3 e 4 f 5 dtype: int32
a.combine_first(b)#利用b填補(bǔ)了a的空值
a 0.0 b 2.5 c 2.0 d 3.5 e 4.5 f 5.0 dtype: float64
a = pd.Series([np.nan,2.5,np.nan,3.5,4.5,np.nan],index = ['g','b','c','d','e','f'])
a.combine_first(b)#部分索引重疊
a 0.0 b 2.5 c 2.0 d 3.5 e 4.5 f 5.0 g NaN dtype: float64
小結(jié)
本篇博客主要講述了一下內(nèi)容:
1) merge函數(shù)合并數(shù)據(jù)集
2)concat函數(shù)合并數(shù)據(jù)集
3)combine_first函數(shù),含有重疊索引的缺失值填補(bǔ)
以上這篇python merge、concat合并數(shù)據(jù)集的實例講解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
- pandas中merge()函數(shù)的用法解讀
- php使用imagecopymerge()函數(shù)創(chuàng)建半透明水印
- php通過array_merge()函數(shù)合并兩個數(shù)組的方法
- php通過array_merge()函數(shù)合并關(guān)聯(lián)和非關(guān)聯(lián)數(shù)組的方法
- php數(shù)組合并array_merge()函數(shù)使用注意事項
- Pandas使用Merge與Join和Concat分別進(jìn)行合并數(shù)據(jù)效率對比分析
- 利用R語言合并數(shù)據(jù)框的行與列實例代碼
- 使用R中merge()函數(shù)合并數(shù)據(jù)的方法
相關(guān)文章
Python Opencv實戰(zhàn)之印章提取的實現(xiàn)
很多時候我們需要電子版的章,但有些同學(xué)并不會通過Photoshop摳圖獲取。因此本文將利用Python OpenCV來實現(xiàn)印章的提取,感興趣的可以了解一下2022-03-03Python socket實現(xiàn)的文件下載器功能示例
這篇文章主要介紹了Python socket實現(xiàn)的文件下載器功能,結(jié)合實例形式分析了Python使用socket模塊實現(xiàn)的文件下載器客戶端與服務(wù)器端相關(guān)操作技巧,需要的朋友可以參考下2019-11-11Python利用filestools模塊實現(xiàn)水印添加
最近發(fā)現(xiàn)的這款filestools非標(biāo)準(zhǔn)庫其實真正實現(xiàn)添加水印的只要一個函數(shù)的調(diào)用,一行代碼即可完成水印的添加,感興趣的快跟隨小編一起學(xué)起來吧2022-09-09