一文搞懂Python中Pandas數(shù)據(jù)合并
數(shù)據(jù)合并是數(shù)據(jù)處理過(guò)程中的必經(jīng)環(huán)節(jié),pandas作為數(shù)據(jù)分析的利器,提供了四種常用的數(shù)據(jù)合并方式,讓我們看看如何使用這些方法吧!
1.concat()
concat()
可用于兩個(gè)及多個(gè) DataFrame
間行/列方向進(jìn)行內(nèi)聯(lián)或外聯(lián)拼接操作,默認(rèn)對(duì)行(沿 y
軸)取并集。
使用方式
pd.concat( objs: Union[Iterable[~FrameOrSeries], Mapping[Union[Hashable, NoneType], ~FrameOrSeries]], axis=0, join='outer', ignore_index: bool = False, keys=None, levels=None, names=None, verify_integrity: bool = False, sort: bool = False, copy: bool = True, )
主要參數(shù)
objs
:一個(gè)序列或是Series,DataFrame對(duì)象的映射。axis
:連接的軸,0(‘index',行),1(‘columns',列),默認(rèn)為0。join
:連接方式 ,inner(交集), outer(并集),默認(rèn)為outer。ignore_index
:是否重置串聯(lián)軸的索引值。如果為True,則重置索引為0,…, n - 1。keys
:創(chuàng)建層次化索引??梢允侨我庵档牧斜砘驍?shù)組、元組數(shù)組、數(shù)組列表(如果將levels設(shè)置成多級(jí)數(shù)組的話)names
:生成的分層索引中級(jí)別的名稱。
示例
創(chuàng)建兩個(gè) DataFrame
。
df1 = pd.DataFrame( {'char': ['a', 'b'], 'num': [1, 2]}) df2 = pd.DataFrame( {'char': ['b', 'c'], 'num': [3, 4]})
concat()
默認(rèn)會(huì)對(duì)行方向進(jìn)行拼接操作,連接方式 outer
。
pd.concat([d1, d2])
清除現(xiàn)有索引并重置索引。
pd.concat( [d1, d2], ignore_index=True)
通過(guò) keys
參數(shù)在數(shù)據(jù)的最外層添加分層索引。
pd.concat( [d1, d2], keys=['d1', 'd2'])
指定 names
參數(shù)來(lái)標(biāo)記創(chuàng)建的索引鍵。
pd.concat( [d1, d1], keys=['d1', 'd2'], names=['DF Name', 'Row ID'])
將兩個(gè) DataFrame
與重疊的列進(jìn)行組合并返回所有內(nèi)容。 交集外的列填充 NaN
。
df3 = pd.DataFrame( {'char': ['b', 'c'], 'float': [3.0, 4.0]}) pd.concat([df1, df3])
將兩個(gè) DataFrame
與重疊的列進(jìn)行組合,只返回重疊列的內(nèi)容。
pd.concat( [df1, df3], join="inner")
指定 axis=1
沿 x 軸水平組合 DataFrame
對(duì)象。
df4 = pd.DataFrame( {'char': ['b', 'c', 'd'], 'num': [3, 4, 5]}, index=range(1, 4)) pd.concat([df1, df4], axis=1)
2.merge()
merge()
只能用于兩個(gè) DataFrame
間列方向進(jìn)行內(nèi)聯(lián)或外聯(lián)合并操作,默認(rèn)列合并(沿 x
軸),取交集(即:以兩個(gè) DataFrame
列名的交集作為連接鍵)
使用方式
pd.merge( left, right, how: str = 'inner', on=None, left_on=None, right_on=None, left_index: bool = False, right_index: bool = False, sort: bool = False, suffixes=('_x', '_y'), copy: bool = True, indicator: bool = False, validate=None, )
參數(shù)
left
:DataFrameright
:DataFrame 或者帶有 name 的Serieshow
:{‘left', ‘right', ‘outer', ‘inner'}, 默認(rèn)為 ‘inner',連接的方式on
:用于連接的列索引名稱,必須同時(shí)存在于左、右兩個(gè)DataFrame中,默認(rèn)是以兩個(gè)DataFrame列名的交集作為連接鍵。left_on
:左側(cè)DataFrame中用于連接鍵的列名,這個(gè)參數(shù)在左右列名不同但代表的含義相同時(shí)非常有用;right_on
:右側(cè)DataFrame中用于連接鍵的列名left_index
:默認(rèn)為False,不使用左側(cè)DataFrame中的行索引作為連接鍵(但是這種情況下最好用JOIN)right_index
:默認(rèn)為False,不使用右側(cè)DataFrame中的行索引作為連接鍵( 但是這種情況下最好用JOIN)sort
:默認(rèn)為False,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True,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validate
:{“one_to_one” or “1:1”, “one_to_many” or “1:m”, “many_to_one” or “m:1”, “many_to_many” or “m:m”}如果指定,則檢查合并是否為指定類型。
示例
創(chuàng)建兩個(gè)DataFrame
。
df1 = pd.DataFrame( {'name': ['A1', 'B1', 'C1'], 'grade': [60, 70, 80]}) df2 = pd.DataFrame( {'name': ['B1', 'C1', 'D1'], 'grade': [70, 80, 100]})
merge()
默認(rèn)情況下,會(huì)根據(jù)兩個(gè) DataFrame
中同時(shí)存在的列進(jìn)行合并,合并方法采用取交集的方式。
df1.merge(df2)
指定合并的方式為 outer
,取并集。
df1.merge(df2, how='outer')
下面再創(chuàng)建兩個(gè) DataFrame
。
df1 = pd.DataFrame( {'name1': ['A1', 'B1', 'B1', 'C1'], 'grade': [60, 70, 80, 90]}) df2 = pd.DataFrame( {'name2': ['B1', 'C1', 'D1', 'E1'], 'grade': [70, 80, 90, 100]})
根據(jù) name1
和 name2
列合并 df1
和 df2
。 grade
列附加了默認(rèn)后綴 _x
和 _y
。
df1.merge( df2, left_on='name1', right_on='name2')
合并 df1
和 df2
,并將指定的左右后綴附加到重疊列末尾。
df1.merge( df2, left_on='name1', right_on='name2', suffixes=('_1', '_2'))
3.append()
append()
可用于兩個(gè)及多個(gè) DataFrame
間行方向(沿 y
軸)的拼接操作,默認(rèn)取并集。
使用方式
df1.append( other, ignore_index=False, verify_integrity=False, sort=False)
參數(shù)
other
: 指定要添加的數(shù)據(jù)。DataFrame 或 Series 對(duì)象,或這些對(duì)象的列表ignore_index
: 是否忽略索引,如果為 True,軸將被重置為 0, 1, …, n - 1。默認(rèn)為Falseverify_integrity
:如果為 True,則在創(chuàng)建具有重復(fù)項(xiàng)的索引時(shí)引發(fā) ValueError。默認(rèn)為 Falsesort
: 如果 df1 和 other 的列未對(duì)齊,則對(duì)列進(jìn)行排序。默認(rèn)為 False。
示例
創(chuàng)建兩個(gè) DataFrame
。
df1 = pd.DataFrame( [[1, 2], [3, 4]], columns=list('AB')) df2 = pd.DataFrame( [[5, 6], [7, 8]], columns=list('BC'))
append()
在默認(rèn)情況下會(huì)沿y軸垂直拼接兩個(gè) DataFrame
,df1
,df2
交集外的列填充 NaN
。
df1.append(df2)
將 ignore_index
設(shè)置為 True,來(lái)達(dá)到重置軸的索引。
df1.append(df2, ignore_index=True)
4.join()
join()
用于兩個(gè)及多個(gè) DataFrame
間列方向(沿 x
軸)的拼接操作,默認(rèn)左拼接。
使用方式
df1.join( other, on=None, how='left', lsuffix='', rsuffix='', sort=False)
other
:指定要添加的數(shù)據(jù)。DataFrame 或 Series 對(duì)象,或這些對(duì)象的列表on
:連接的列,默認(rèn)使用索引連接how
:{‘left', ‘right', ‘outer', ‘inner'}, 默認(rèn)為 ‘left',連接的方式lsuffix
:默認(rèn)為空字符串,表示df1中重復(fù)列的后綴rsuffix
:other中重復(fù)列的后綴sort
:按照字典順序?qū)Y(jié)果在連接鍵上排序。如果為False,連接鍵的順序取決于連接類型(關(guān)鍵字)。
示例
創(chuàng)建兩個(gè) DataFrame
。
df1 = pd.DataFrame( {'A': ['A0', 'A1', 'A2', 'A3', 'A4'], 'val': ['V0', 'V1', 'V2', 'V3', 'V4']}) df2 = pd.DataFrame( {'B': ['B3', 'B4', 'B5'], 'val': ['V3', 'V4', 'V5']})
如果我們想使用 val
列進(jìn)行連接,我們需要將 val
設(shè)置為 df1
和 df2
中的索引。
df1.set_index('val').join( df2.set_index('val'))
使用 val
列連接的另一個(gè)方法是指定 on
參數(shù)。 df1.join
只能使用 df2
的索引,但可以使用 df1
中的任何列。所以可以只將 df2
中的 val
列轉(zhuǎn)為索引,并通過(guò) on
參數(shù)指定 df1
的連接列為 val
。
df1.join( df2.set_index('val'), on='val')
使用外連接的方式連接 df1
,df2
df1.join( df2.set_index('val'), on='val', how='outer')
四種方法總結(jié) concat()
可沿任意軸連接 Pandas
對(duì)象,并且可在串聯(lián)軸上添加一層分層索引join()
主要用于基于行索引進(jìn)行列的拼接merge()
使用數(shù)據(jù)庫(kù)樣式的連接合并,連接是基于列或索引。一般情況下 append()
, join()
可以看成是 concat()
與 merge()
的簡(jiǎn)易版,參數(shù)較少,易用性比較強(qiáng)。
到此這篇關(guān)于一文搞懂Python中Pandas數(shù)據(jù)合并的文章就介紹到這了,更多相關(guān)Python Pandas 數(shù)據(jù)合并內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- 在Pandas中DataFrame數(shù)據(jù)合并,連接(concat,merge,join)的實(shí)例
- 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)
- 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
python?pip安裝庫(kù)下載源更換(清華源、阿里源、中科大源、豆瓣源)
為了提高Python包的下載速度和穩(wěn)定性,可以配置國(guó)內(nèi)的鏡像源,如清華源、阿里源、中科大源和豆瓣源,設(shè)置方法簡(jiǎn)單,只需更改pip的配置文件或使用命令行即可,需要的朋友可以參考下2024-10-10python中dict獲取關(guān)鍵字與值的實(shí)現(xiàn)
這篇文章主要介紹了python中dict獲取關(guān)鍵字與值的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-05-05Python常見MongoDB數(shù)據(jù)庫(kù)操作實(shí)例總結(jié)
這篇文章主要介紹了Python常見MongoDB數(shù)據(jù)庫(kù)操作,結(jié)合實(shí)例形式詳細(xì)總結(jié)了Python針對(duì)MongoDB數(shù)據(jù)庫(kù)相關(guān)pymongo庫(kù)安裝以及MongoDB數(shù)據(jù)庫(kù)的增刪改查等相關(guān)操作技巧與注意事項(xiàng),需要的朋友可以參考下2018-07-07Python 的第三方調(diào)試庫(kù) ???pysnooper?? 使用示例
這篇文章主要介紹了Python 的第三方調(diào)試庫(kù) ???pysnooper?? 使用示例的相關(guān)資料,需要的朋友可以參考下2023-02-02pytorch中nn.Flatten()函數(shù)詳解及示例
nn.Flatten是一個(gè)類,而torch.flatten()則是一個(gè)函數(shù),下面這篇文章主要給大家介紹了關(guān)于pytorch中nn.Flatten()函數(shù)詳解及示例的相關(guān)資料,需要的朋友可以參考下2023-01-01pycharm配置pyqt5-tools開發(fā)環(huán)境的方法步驟
這篇文章主要介紹了pycharm配置pyqt5-tools開發(fā)環(huán)境的方法步驟,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-02-02