一文搞懂Python中Pandas数据合并

数据合并是数据处理过程中的必经环节，pandas作为数据分析的利器，提供了四种常用的数据合并方式，让我们看看如何使用这些方法吧！

1.concat()

concat() 可用于两个及多个 DataFrame 间行/列方向进行内联或外联拼接操作，默认对行(沿 y 轴)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,
)

主要参数

• objs：一个序列或是Series，DataFrame对象的映射。
• axis：连接的轴，0(‘index'，行)，1(‘columns',列)，默认为0。
• join：连接方式 ，inner(交集), outer(并集)，默认为outer。
• ignore_index：是否重置串联轴的索引值。如果为True，则重置索引为0，…, n - 1。
• keys：创建层次化索引。可以是任意值的列表或数组、元组数组、数组列表（如果将levels设置成多级数组的话）
• names：生成的分层索引中级别的名称。

示例

创建两个 DataFrame。

df1 = pd.DataFrame(
          {'char': ['a', 'b'],
           'num': [1, 2]})
df2 = pd.DataFrame(
          {'char': ['b', 'c'],
           'num': [3, 4]})

concat() 默认会对行方向进行拼接操作，连接方式 outer。

pd.concat([d1, d2])

清除现有索引并重置索引。

pd.concat(
    [d1, d2],
    ignore_index=True)

通过 keys 参数在数据的最外层添加分层索引。

pd.concat(
    [d1, d2],
    keys=['d1', 'd2'])

指定 names 参数来标记创建的索引键。

pd.concat(
    [d1, d1],
    keys=['d1', 'd2'],
    names=['DF Name', 'Row ID'])

将两个 DataFrame 与重叠的列进行组合并返回所有内容。 交集外的列填充 NaN。

df3 = pd.DataFrame(
          {'char': ['b', 'c'],
          'float': [3.0, 4.0]})
pd.concat([df1, df3])

将两个 DataFrame 与重叠的列进行组合，只返回重叠列的内容。

pd.concat(
    [df1, df3],
    join="inner")

指定 axis=1 沿 x 轴水平组合 DataFrame 对象。

df4 = pd.DataFrame(
          {'char': ['b', 'c', 'd'],
           'num': [3, 4, 5]},
           index=range(1, 4))
pd.concat([df1, df4], axis=1)

2.merge()

merge() 只能用于两个 DataFrame 间列方向进行内联或外联合并操作，默认列合并(沿 x 轴)，取交集（即：以两个 DataFrame 列名的交集作为连接键）

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,
)

参数

• left：DataFrame
• right：DataFrame 或者带有 name 的Series
• how：{‘left', ‘right', ‘outer', ‘inner'}, 默认为 ‘inner'，连接的方式
• on：用于连接的列索引名称，必须同时存在于左、右两个DataFrame中，默认是以两个DataFrame列名的交集作为连接键。
• left_on：左侧DataFrame中用于连接键的列名，这个参数在左右列名不同但代表的含义相同时非常有用；
• right_on：右侧DataFrame中用于连接键的列名
• left_index：默认为False，不使用左侧DataFrame中的行索引作为连接键（但是这种情况下最好用JOIN）
• right_index：默认为False，不使用右侧DataFrame中的行索引作为连接键（ 但是这种情况下最好用JOIN）
• sort：默认为False，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
• 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，则检查合并是否为指定类型。

示例

创建两个DataFrame。

df1 = pd.DataFrame(
          {'name': ['A1', 'B1', 'C1'],
           'grade': [60, 70, 80]})
df2 = pd.DataFrame(
          {'name': ['B1', 'C1', 'D1'],
           'grade': [70, 80, 100]})

merge() 默认情况下，会根据两个 DataFrame 中同时存在的列进行合并，合并方法采用取交集的方式。

df1.merge(df2)

指定合并的方式为 outer，取并集。

df1.merge(df2, how='outer')

下面再创建两个 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]})

根据 name1 和 name2 列合并 df1 和 df2。 grade 列附加了默认后缀 _x 和 _y。

df1.merge(
    df2,
    left_on='name1',
    right_on='name2')

合并 df1 和 df2，并将指定的左右后缀附加到重叠列末尾。

df1.merge(
    df2,
    left_on='name1',
    right_on='name2',
    suffixes=('_1', '_2'))

3.append()

append() 可用于两个及多个 DataFrame 间行方向(沿 y 轴)的拼接操作，默认取并集。

使用方式

df1.append(
    other,
    ignore_index=False,
    verify_integrity=False,
    sort=False)

参数

• other : 指定要添加的数据。DataFrame 或 Series 对象，或这些对象的列表
• ignore_index: 是否忽略索引，如果为 True，轴将被重置为 0, 1, …, n - 1。默认为False
• verify_integrity：如果为 True，则在创建具有重复项的索引时引发 ValueError。默认为 False
• sort : 如果 df1 和 other 的列未对齐，则对列进行排序。默认为 False。

示例

创建两个 DataFrame。

df1 = pd.DataFrame(
          [[1, 2], [3, 4]],
          columns=list('AB'))
df2 = pd.DataFrame(
          [[5, 6], [7, 8]],
          columns=list('BC'))

append() 在默认情况下会沿y轴垂直拼接两个 DataFrame ，df1，df2 交集外的列填充 NaN。

df1.append(df2)

将 ignore_index 设置为 True，来达到重置轴的索引。

df1.append(df2, ignore_index=True)

4.join()

join() 用于两个及多个 DataFrame 间列方向(沿 x 轴)的拼接操作，默认左拼接。

使用方式

df1.join(
    other,
    on=None,
    how='left',
    lsuffix='',
    rsuffix='',
    sort=False)

• other：指定要添加的数据。DataFrame 或 Series 对象，或这些对象的列表
• on：连接的列，默认使用索引连接
• how：{‘left', ‘right', ‘outer', ‘inner'}, 默认为 ‘left'，连接的方式
• lsuffix：默认为空字符串，表示df1中重复列的后缀
• rsuffix：other中重复列的后缀
• sort：按照字典顺序对结果在连接键上排序。如果为False，连接键的顺序取决于连接类型（关键字）。

示例

创建两个 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']})

如果我们想使用 val 列进行连接，我们需要将 val 设置为 df1 和 df2 中的索引。

df1.set_index('val').join(
    df2.set_index('val'))

使用 val 列连接的另一个方法是指定 on 参数。 df1.join 只能使用 df2 的索引，但可以使用 df1 中的任何列。所以可以只将 df2 中的 val 列转为索引，并通过 on 参数指定 df1 的连接列为 val。

df1.join(
    df2.set_index('val'),
    on='val')

使用外连接的方式连接 df1，df2

df1.join(
    df2.set_index('val'),
    on='val',
    how='outer')

四种方法总结 concat() 可沿任意轴连接 Pandas 对象，并且可在串联轴上添加一层分层索引join() 主要用于基于行索引进行列的拼接merge() 使用数据库样式的连接合并，连接是基于列或索引。一般情况下 append(), join() 可以看成是 concat() 与 merge()的简易版，参数较少，易用性比较强。

到此这篇关于一文搞懂Python中Pandas数据合并的文章就介绍到这了,更多相关Python Pandas 数据合并内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！