Python中Merge使用的示例詳解
merage
pandas提供了一個類似于關(guān)系數(shù)據(jù)庫的連接(join)操作的方法merage,可以根據(jù)一個或多個鍵將不同DataFrame中的行連接起來,語法如下:
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)
作為一個功能完善、強(qiáng)大的語言,python的pandas庫中的merge()支持各種內(nèi)外連接。
- left與right:兩個不同的DataFrame
- how:指的是合并(連接)的方式有inner(內(nèi)連接),left(左外連接),right(右外連接),outer(全外連接);默認(rèn)為inner
- on : 指的是用于連接的列索引名稱。必須存在右右兩個DataFrame對象中,如果沒有指定且其他參數(shù)也未指定則以兩個DataFrame的列名交集做為連接鍵
- left_on:左則DataFrame中用作連接鍵的列名;這個參數(shù)中左右列名不相同,但代表的含義相同時非常有用。
- right_on:右則DataFrame中用作 連接鍵的列名
- left_index:使用左則DataFrame中的行索引做為連接鍵
- right_index:使用右則DataFrame中的行索引做為連接鍵
- sort:默認(rèn)為True,將合并的數(shù)據(jù)進(jìn)行排序。在大多數(shù)情況下設(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;大多數(shù)情況下設(shè)置為False可以提高性能
- indicator:在 0.17.0中還增加了一個顯示合并數(shù)據(jù)中來源情況;如只來自己于左邊(left_only)、兩者(both)
#coding=utf-8 import pandas as pd import numpy as np class PanMerge(): def PanMer(self): data = pd.DataFrame([{"id": 0, "name": 'lxh', "age": 20, "cp": 'lm'}, {"id": 1, "name": 'xiao', "age": 40, "cp": 'ly'},{"id": 2, "name": 'hua', "age": 4, "cp": 'yry'}, {"id": 3, "name": 'be', "age": 70, "cp": 'old'}]) data1 = pd.DataFrame([{"id": 100, "name": 'lxh', 'cs': 10}, {"id": 101, "name": 'xiao', 'cs': 40},{"id": 102, "name": 'hua2', 'cs': 50}]) data2 = pd.DataFrame([{"id": 0, "name": 'lxh', 'cs': 10}, {"id": 101, "name": 'xiao', 'cs': 40},{"id": 102, "name": 'hua2', 'cs': 50}]) data3 = pd.DataFrame([{"mid": 0, "mname": 'lxh', 'cs': 10}, {"mid": 101, "mname": 'xiao', 'cs': 40},{"mid": 102, "mname": 'hua2', 'cs': 50}]) # print(data) # print(data1) # print(data2) df1 = pd.merge(data,data1,on="name",how="left",suffixes=('_a','_b'))#相同的其他類名用_a和_b標(biāo)注 df2 = pd.merge(data, data2, on=("name", "id")) #多列名做為內(nèi)鏈接的連接鍵 df3 = pd.merge(data, data2) #不指定on則以兩個DataFrame的列名交集做為連接鍵 # 使用右邊的DataFrame的行索引做為連接鍵 indexed_data1 = data1.set_index("name")##設(shè)置行索引名稱 # print(indexed_data1) df5 = pd. merge(data, indexed_data1, left_on='name', right_index=True) #"使用右邊的DataFrame的行索引做為連接鍵\r\n" print(df5) print('左外連接\r\n',pd.merge(data,data1,on="name",how="left",suffixes=('_a','_b'))) print('左外連接1\r\n',pd.merge(data1,data,on="name",how="left")) print ('右外連接\r\n',pd.merge(data,data1,on="name",how="right")) # 當(dāng)左右兩個DataFrame的列名不同,當(dāng)又想做為連接鍵時可以使用left_on與right_on來指定連接鍵 df6=pd.merge(data,data3,left_on=["name","id"],right_on=["mname","mid"]) print(df6)
join方法提供了一個簡便的方法用于將兩個DataFrame中的不同的列索引合并成為一個DataFrame。
其中參數(shù)的意義與merge方法基本相同, 只是join方法默認(rèn)為左外連接how = left。
dj1=pd.DataFrame([{"id":0,"name":'lxh',"age":20,"cp":'lm'},{"id":1,"name":'xiao',"age":40,"cp":'ly'},{"id":2,"name":'hua',"age":4,"cp":'yry'},{"id":3,"name":'be',"age":70,"cp":'old'}],index=['a','b','c','d']) dj2=pd.DataFrame([{"sex":0},{"sex":1},{"sex":2}],index=['a','b','e']) print(dj1) print(dj2) df7= dj1.join(dj2) print(df7) print('使用右連接\r\n', dj1.join(dj2, how="right") ) # 這里出自動屏蔽了data1中沒有index=c,d的那行數(shù)據(jù);等價于data1.join(data) print('使用內(nèi)連接\r\n', dj1.join(dj2, how='inner')) print('使用全外連接\r\n', dj1.join(dj2, how='outer'))
還有一種連接方式:concat
concat方法相當(dāng)于數(shù)據(jù)庫中的全連接(UNION ALL),可以指定按某個軸進(jìn)行連接,也可以指定連接的方式j(luò)oin(outer,inner 只有這兩種)。
與數(shù)據(jù)庫不同的是concat不會去重,要達(dá)到去重的效果可以使用drop_duplicates方法
dc1 = pd.DataFrame({'city': ['Chicago', 'San Francisco', 'New York City'], 'rank': range(1, 4)}) dc2 = pd.DataFrame({'city': ['Chicago', 'Boston', 'Los Angeles'], 'rank': [1, 4, 5]}) print(dc1) print(dc2) # print('按軸進(jìn)行內(nèi)連接\r\n', pd.concat([dc1, dc2], join="inner", axis=0)) dc3=pd.concat([dc1,dc2],join="inner", axis=0) #axis=1橫向操作,axis=0縱向操作 print(dc3) dc4=pd.concat([dc1,dc2],keys=['a','b']) #進(jìn)行外連接并指定keys(行索引) 用a,b 進(jìn)行標(biāo)識 print(dc4) dc5 = pd.concat([dc1,dc2],ignore_index=True).drop_duplicates() #完全一樣時候,去重?cái)?shù)據(jù) print(dc5) if __name__ == '__main__': PanMerge().PanMer()
到此這篇關(guān)于Python中Merge使用的示例詳解的文章就介紹到這了,更多相關(guān)Python Merge內(nèi)容請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!
相關(guān)文章
Django+vue+vscode前后端分離搭建的實(shí)現(xiàn)
本文以一個非常簡單的demo為例,介紹了利用django+drf+vue的前后端分離開發(fā)模式,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2023-08-08pytorch通過訓(xùn)練結(jié)果的復(fù)現(xiàn)設(shè)置隨機(jī)種子
這篇文章主要介紹了pytorch通過訓(xùn)練結(jié)果的復(fù)現(xiàn)設(shè)置隨機(jī)種子的操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-06-06基于Python實(shí)現(xiàn)股票數(shù)據(jù)分析的可視化
在購買股票的時候,可以使用歷史數(shù)據(jù)來對當(dāng)前的股票的走勢進(jìn)行預(yù)測,這就需要對股票的數(shù)據(jù)進(jìn)行獲取并且進(jìn)行一定的分析。本文將介紹如何通過Python實(shí)現(xiàn)股票數(shù)據(jù)分析的可視化,需要的可以參考一下2021-12-12python調(diào)用cmd命令時遇到的路徑空格問題和中文亂碼的解決
這篇文章主要介紹了python調(diào)用cmd命令時遇到的路徑空格問題和中文亂碼的解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02Python編程學(xué)習(xí)之如何判斷3個數(shù)的大小
這篇文章主要給大家介紹了關(guān)于Python編程學(xué)習(xí)之如何判斷3個數(shù)的大小的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08python如何求取指定范圍內(nèi)的質(zhì)數(shù)
這篇文章主要介紹了python如何求取指定范圍內(nèi)的質(zhì)數(shù)問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08