在Pandas中DataFrame數(shù)據(jù)合并,連接(concat,merge,join)的實(shí)例
最近在工作中,遇到了數(shù)據(jù)合并、連接的問(wèn)題,故整理如下,供需要者參考~
一、concat:沿著一條軸,將多個(gè)對(duì)象堆疊到一起
concat方法相當(dāng)于數(shù)據(jù)庫(kù)中的全連接(union all),它不僅可以指定連接的方式(outer join或inner join)還可以指定按照某個(gè)軸進(jìn)行連接。與數(shù)據(jù)庫(kù)不同的是,它不會(huì)去重,但是可以使用drop_duplicates方法達(dá)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()只是單純的把兩個(gè)表拼接在一起,參數(shù)axis是關(guān)鍵,它用于指定是行還是列,axis默認(rèn)是0。
當(dāng)axis=0時(shí),pd.concat([obj1, obj2])的效果與obj1.append(obj2)是相同的;當(dāng)axis=1時(shí),pd.concat([obj1, obj2], axis=1)的效果與pd.merge(obj1, obj2, left_index=True, right_index=True, how='outer')是相同的。
merge方法的介紹請(qǐng)參看下文。
參數(shù)介紹:
objs:需要連接的對(duì)象集合,一般是列表或字典;
axis:連接軸向;
join:參數(shù)為‘outer'或‘inner';
join_axes=[]:指定自定義的索引;
keys=[]:創(chuàng)建層次化索引;
ignore_index=True:重建索引
舉例:
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:通過(guò)鍵拼接列
類似于關(guān)系型數(shù)據(jù)庫(kù)的連接方式,可以根據(jù)一個(gè)或多個(gè)鍵將不同的DatFrame連接起來(lái)。該函數(shù)的典型應(yīng)用場(chǎng)景是,針對(duì)同一個(gè)主鍵存在兩張不同字段的表,根據(jù)主鍵整合到一張表里面。
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)
參數(shù)介紹:
left和right:兩個(gè)不同的DataFrame;
how:連接方式,有inner、left、right、outer,默認(rèn)為inner;
on:指的是用于連接的列索引名稱,必須存在于左右兩個(gè)DataFrame中,如果沒(méi)有指定且其他參數(shù)也沒(méi)有指定,則以兩個(gè)DataFrame列名交集作為連接鍵;
left_on:左側(cè)DataFrame中用于連接鍵的列名,這個(gè)參數(shù)左右列名不同但代表的含義相同時(shí)非常的有用;
right_on:右側(cè)DataFrame中用于連接鍵的列名;
left_index:使用左側(cè)DataFrame中的行索引作為連接鍵;
right_index:使用右側(cè)DataFrame中的行索引作為連接鍵;
sort:默認(rèn)為T(mén)rue,將合并的數(shù)據(jù)進(jìn)行排序,設(shè)置為False可以提高性能;
suffixes:字符串值組成的元組,用于指定當(dāng)左右DataFrame存在相同列名時(shí)在列名后面附加的后綴名稱,默認(rèn)為('_x', '_y');
copy:默認(rèn)為T(mén)rue,總是將數(shù)據(jù)復(fù)制到數(shù)據(jù)結(jié)構(gòu)中,設(shè)置為False可以提高性能;
indicator:顯示合并數(shù)據(jù)中數(shù)據(jù)的來(lái)源情況
舉例:
# 1.默認(rèn)以重疊的列名當(dāng)做連接鍵。 df1=DataFrame({'key':['a','b','b'],'data1':range(3)}) df2=DataFrame({'key':['a','b','c'],'data2':range(3)}) pd.merge(df1,df2) #沒(méi)有指定連接鍵,默認(rèn)用重疊列名,沒(méi)有指定連接方式 data1 key data2 0 0 a 0 1 1 b 1 2 2 b 1 # 2.默認(rèn)做inner連接(取key的交集),連接方式還有(left,right,outer),制定連接方式加參數(shù):how='' pd.merge(df2,df1) data2 key data1 0 0 a 0 1 1 b 1 2 1 b 2 #默認(rèn)內(nèi)連接,可以看見(jiàn)c沒(méi)有連接上。 pd.merge(df2,df1,how='left') #通過(guò)how,指定連接方式 data2 key data1 0 0 a 0 1 1 b 1 2 1 b 2 3 2 c NaN # 3.多鍵連接時(shí)將連接鍵組成列表傳入,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') #傳出數(shù)組 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.如果兩個(gè)對(duì)象的列名不同,可以分別指定,例:pd.merge(df1,df2,left_on='lkey',right_on='rkey') df3=DataFrame({'key3':['foo','foo','bar','bar'], #將上面的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') #鍵名不同的連接 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):
其參數(shù)的意義與merge方法中的參數(shù)意義基本一樣。
以上這篇在Pandas中DataFrame數(shù)據(jù)合并,連接(concat,merge,join)的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- 詳解pandas數(shù)據(jù)合并與重塑(pd.concat篇)
- Python基礎(chǔ)之pandas數(shù)據(jù)合并
- pandas中DataFrame數(shù)據(jù)合并連接(merge、join、concat)
- 一文搞懂Python中Pandas數(shù)據(jù)合并
- Python必備技巧之Pandas數(shù)據(jù)合并函數(shù)
- pandas實(shí)現(xiàn)數(shù)據(jù)合并的示例代碼
- Python?Pandas數(shù)據(jù)合并pd.merge用法詳解
- Python?pandas數(shù)據(jù)合并merge函數(shù)用法詳解
- Python利用pandas進(jìn)行數(shù)據(jù)合并詳解
- Pandas數(shù)據(jù)合并的兩種實(shí)現(xiàn)方法
- Pandas中數(shù)據(jù)合并的實(shí)現(xiàn)
相關(guān)文章
Pycharm2020.1安裝無(wú)法啟動(dòng)問(wèn)題即設(shè)置中文插件的方法
這篇文章主要介紹了Pycharm2020.1安裝無(wú)法啟動(dòng)問(wèn)題即設(shè)置中文插件的操作方法,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2020-08-08Python實(shí)現(xiàn)將HTML轉(zhuǎn)為PDF/圖片/XML/XPS格式
網(wǎng)頁(yè)內(nèi)容是信息傳播的主要形式之一,這篇文章主要和大家介紹了如何使用Python實(shí)現(xiàn)將HTML分別轉(zhuǎn)為PDF/圖片/XML/XPS格式等,需要的可以參考下2024-03-03Python Web程序搭建簡(jiǎn)單的Web服務(wù)器
這篇文章主要介紹了Python Web程序搭建簡(jiǎn)單的Web服務(wù)器,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07Django框架cookie和session方法及參數(shù)設(shè)置
這篇文章主要為大家介紹了Django框架cookie和session參數(shù)設(shè)置及介紹,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-03-03對(duì)python pandas中 inplace 參數(shù)的理解
這篇文章主要介紹了對(duì)python pandas中 inplace 參數(shù)的理解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06Python實(shí)現(xiàn)Event回調(diào)機(jī)制的方法
今天小編就為大家分享一篇Python實(shí)現(xiàn)Event回調(diào)機(jī)制的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-02-02python進(jìn)行二次方程式計(jì)算的實(shí)例講解
在本篇內(nèi)容里小編給大家整理了一篇關(guān)于python進(jìn)行二次方程式計(jì)算的實(shí)例講解內(nèi)容,有興趣的朋友們可以學(xué)習(xí)下。2020-12-12python+requests接口自動(dòng)化框架的實(shí)現(xiàn)
這篇文章主要介紹了python+requests接口自動(dòng)化框架的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08