python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > pandas 数据合并

pandas实现数据合并的示例代码

作者:一秋闲谈

本文主要介绍了pandas实现数据合并的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

在pandas 基础操作大全之数据读取&清洗&分析中介绍了pandas常见的数据处理操作,现在继续对pandas常用的数据合并操作做下介绍,便于大家快速了解,也方便后续需要时快速查询。

一、 concat--数据合并

1.1 概述

#pandas 的 concat函数表达式如下
pd.concat(
    [df1, df2, df3],  #指定需合并的两个或多个Dataframe,各个df的shape可以不同
    axis = 0, #指定合并时,合并的轴方向,默认为0,即行合并,多个df会在纵向进行拼接合并
    join = 'outer', #指定在合并轴方向的另外一个轴方向,标签如何合并,outer指取并集,inner指取交集
    ignore_index = False, #指定是否保留原各个df在合并轴方向上的原有标签,默认False,即保留
    keys = ['a','b','c'], #为合并后的数据,在合并轴方向上指定新的index,便于区分各个合并数据源
    names = ['groupA','groupB'], #为
    verify_integrity = False, #指定是否允许在指定的合并轴方向上,允许存在重复的标签,默认值为False,即允许,当指定为True时,如果有重复,在合并的时候会报错
) 

1.2 指定合并的轴方向--axis

#一般情况下,基本是在行方向将多个DataFrame进行连接合并,组成一个新的DataFrame,便于统一进行处理
#常见的应用场景,比如多个DataFrame可能有部分相同的列,希望连在一起,分析其规律
#df1数据源如下:
    A            B            C
0    0.214326    0.818321    -0.055211
1    -0.941666    2.396083    2.173411
#df2数据源如下:
    A            B
0    0.397919    -0.350948
1    0.147547    -0.172974
pd.concat([df1 , df2], axis=0)  #运算结果如下
    A            B            C
0    -0.663727    1.883112    -0.409361
1    0.874930    -0.120000    0.015474
0    0.380397    -1.088665    NaN
1    -1.623468    0.610855    NaN
 
pd.concat([df1 , df2], axis=1) #运算结果如下
    A            B            C            A            B
0    -0.663727    1.883112    -0.409361    0.380397    -1.088665
1    0.874930    -0.120000    0.015474    -1.623468    0.610855

1.3 指定合并轴另外一个轴标签是否合并--join

#一般直接使用join的默认值,即outer,取并集,此时不会丢弃多个DataFrame的任何列信息
#当然,如果想合并时,最后只留下多个DataFrame相同的列或行标签,则使用inner取交集
#df1数据源如下:
    A            B            C
0    0.214326    0.818321    -0.055211
1    -0.941666    2.396083    2.173411
#df2数据源如下:
    A            B
0    0.397919    -0.350948
1    0.147547    -0.172974
pd.concat([df1 , df2], join = 'outer')  #运算结果如下
    A            B            C
0    -0.663727    1.883112    -0.409361
1    0.874930    -0.120000    0.015474
0    0.380397    -1.088665    NaN
1    -1.623468    0.610855    NaN
 
pd.concat([df1 , df2], join = 'inner')  #运算结果如下
    A            B
0    -0.663727    1.883112
1    0.874930    -0.120000
0    0.380397    -1.088665
1    -1.623468    0.610855

1.4 指定合并轴原标签是否需要变化--ignore_index

#该参数在希望对行进行遍历处理时,会比较有用,因为可以设置忽略合并轴方向之前的index或标签,重新进行生成,就像是一个全新的DataFrame一样
#df2数据源如下:
    A            B            C
0    0.214326    0.818321    -0.055211
1    -0.941666    2.396083    2.173411
#df2数据源如下:
    A            B
0    0.397919    -0.350948
1    0.147547    -0.172974
 
pd.concat([df1,df2],ignore_index=True) #运算结果如下
    A            B            C
0    -0.663727    1.883112    -0.409361
1    0.874930    -0.120000    0.015474
2    0.380397    -1.088665    NaN
3    -1.623468    0.610855    NaN
 
pd.concat([df1,df2],ignore_index=False) #运算结果如下
    A            B            C
0    -0.663727    1.883112    -0.409361
1    0.874930    -0.120000    0.015474
0    0.380397    -1.088665    NaN
1    -1.623468    0.610855    NaN

1.5 指定合并轴方向新的index,便于区分数据--keys

该参数类似于分组的效果

#该参数类似分组的效果,即沿着合并轴方向,按照合并的数据源,进行分组,便于区分合并数据来源
#df1数据源如下:
    A            B            C
0    0.214326    0.818321    -0.055211
1    -0.941666    2.396083    2.173411
#df2数据源如下:
    A            B
0    0.397919    -0.350948
1    0.147547    -0.172974
 
pd.concat([df1,df2],keys=['a','b'])  #运算结果如下
        A            B            C
a    0    -0.663727    1.883112    -0.409361
    1    0.874930    -0.120000    0.015474
b    0    0.380397    -1.088665    NaN
    1    -1.623468    0.610855    NaN

1.6 指定合并轴方向新的index 的含义名称,一般和keys一起使用,让合并后的数据更直观--names

#该参数一般与keys一起使用,比如df1和df2是两个季度前两个月的数据,然后使用concat,将两个季度的合并成一个DataFrame,并且用keys指定每个季度的名称,再用names指定对应的含义
#df1数据源如下:
    A            B            C
0    0.214326    0.818321    -0.055211
1    -0.941666    2.396083    2.173411
#df2数据源如下:
    A            B
0    0.397919    -0.350948
1    0.147547    -0.172974
 
pd.concat([df1,df2],keys=['第一季度','第二季度'],names = ['季度', '月份']) #运行结果如下
                A            B            C
季度        月份            
第一季度    0        -0.663727    1.883112    -0.409361
        1        0.874930    -0.120000    0.015474
第二季度    0        0.380397    -1.088665    NaN
        1        -1.623468    0.610855    NaN

1.7 指定合并时是否允许合并轴上有重复标签--verify_integrity

#该参数只有在需要合并的数据,严格使用index或者列标签来区分数据的唯一性时,设置为True,才有意义
#否则,一般不设置就行,即默认False,此时合并时不会严格要求合并时index或列标签必须不同
#df1数据源如下:
    A            B            C
0    0.214326    0.818321    -0.055211
1    -0.941666    2.396083    2.173411
#df2数据源如下:
    A            B
0    0.397919    -0.350948
1    0.147547    -0.172974
 
pd.concat([df1,df2],verify_integrity=True,axis=1)  #报错,因df1和df2均有A、B列标签
pd.concat([df1,df2],verify_integrity=True,axis=0)  #报错,因为df1和df2均有0、1的index

二、 merge--数据连接

merge类似SQL中的连表操作,即通过两个DataFrame共有的列,作为key,将表在横向连接起来,主要用于拓展数据信息,比如多个DataFrame,均只记录了自己关心的完整数据的一部分,希望通过某一共同列,连表,最终形成较为完成的数据信息,是一种非常有用的连接方式

2.1 概述

#merge函数基本表达式如下
pd.merge(
    df1,df2, #指定需要连接的两个DataFrame
    on='A', #指定连接时,以哪个列标签为准,进行连接,一般指定的列标签需要在两个df中均存在
    how='outer', #指定数据如何连接,有outer、inner、right、left四种取值
    
    left_on='A', #如果连接的两个df没有相同的列标签,可以分别指定不同的标签,用指定的两个标签来进行连接,此时需要left_on和right_on 均进行指定
    right_on='B',
 
    left_index=True, #可设置以行index的值连接两个DataFrame,一般比较少用
    right_index=True,
 
    suffixes=('_df1','_df2') #设置如果两个DataFrame有除了指定的on列,还有其他相同列标签时,为进行区分,在各自列后面添加后缀,默认是=('_x','_y')
)

2.2 指定键值列进行连表--on参数

#left_on及right_on用法
#一般用在可能希望作为连接key的列标签一样时
#df1数据源为
    姓名        年龄
0    张三        28
1    李四        31
#df2数据源为
    姓名        性别        职业
0    张三        男        IT
1    李四        女        运营
 
pd.merge(df1 ,df2, on='姓名') #运算结果如下
    姓名        年龄        性别        职业
0    张三        28        男        IT
1    李四        31        女        运营
#以上等同于pd.merge(df1,df2),或者df1.merge(df2)
 
 
#left_on及right_on用法
#一般用在可能希望作为连接key的列标签不一样时,使用
#df1数据源为
    姓名        性别        职业
0    张三        男        IT
1    李四        女        运营
#df2数据源为
    员工姓名    婚姻状况    学历
0    张三        未婚        本科
1    李四        已婚        研究生
pd.merge(df1, df2, left_on='姓名', right_on='员工姓名') #运算结果如下
    姓名        性别        职业        员工姓名        婚姻状况        学历
0    张三        男        IT        张三            未婚            本科
1    李四        女        运营        李四    已        婚            研究生

2.3 指定数据连接方式--how参数

#how参数决定了将如何用on指定的key对两个DataFrame进行连接,主要是比对on指定的两个df的列标签,
#如果取并集,则是outer,即连接后的Df会包含两个df所有的key值;如果取交集,则是inner,即连接后的df只会包含两个df均有的key值
#如果需要保证左边df的key值必须有,右边的不一定,则是left;如果需要保证右边df的key值必须有,左边的不一定,则是right
#df1数据源如下
    姓名        性别        职业
0    张三        男        IT
1    李四        女        运营
#df2数据源如下
    姓名        婚姻状况        学历
0    张三        未婚            本科
1    李四        已婚            研究生
2    王五        未婚            博士
3    麻子        已婚            研究生
pd.merge(df1 , df2, how='outer') #运算结果如下
    姓名        性别        职业        婚姻状况        学历
0    张三        男        IT        未婚            本科
1    李四        女        运营        已婚            研究生
2    王五        NaN        NaN        未婚            博士
3    麻子        NaN        NaN        已婚            研究生
 
pd.merge(df1, df2, how='inner') #运算结果如下
    姓名        性别        职业        婚姻状况        学历
0    张三        男        IT        未婚        本科
1    李四        女        运营        已婚        研究生
pd.merge(df1, df2, how='left') #运算结果如下
    姓名        性别        职业        婚姻状况        学历
0    张三        男        IT        未婚            本科
1    李四        女        运营        已婚            研究生
pd.merge(df1, df2, how='right') #运算结果如下
    姓名        性别        职业        婚姻状况        学历
0    张三        男        IT        未婚            本科
1    李四        女        运营        已婚            研究生
2    王五        NaN        NaN        未婚            博士
3    麻子        NaN        NaN        已婚            研究生

2.4 设置使用行索引作为连接key--left_index及right_index参数

#merge一般用于key为列标签时,对两个df进行链接,类似SQL中的连表操作,不过如果需要,也可以使用行的index作为key进行连表
#left_index、right_index,类似于left_on和right_on,这四个可以left和right两两结合,比如df1的index其实就是df2的列的key,此时便可以使用left_index=True,right_on='B',或者直接对两个df用index进行连表
#df1数据源如下
    姓名        性别        职业
0    张三        男        IT
1    李四        女        运营
#df2数据源如下
    姓名        婚姻状况        学历
0    张三        未婚            本科
1    李四        已婚            研究生
2    王五        未婚            博士
3    麻子        已婚            研究生
pd.merge(df1, df2, left_index=True, right_index=True #运算结果如下
    姓名_x    性别        职业        姓名_y    婚姻状况        学历
0    张三        男        IT        张三        未婚            本科
1    李四        女        运营        李四        已婚            研究生

2.5 设置有相同列时自动加后缀--suffixes

#如果连接的两个df,除了key列,或者on指定的列外,还有相同的列标签,为了进行区分,pd会自动在相同的列标签分别添加后缀,默认是x、y,也可通过suffixes显示指定
#df1数据源
    姓名        性别        职业
0    张三        男        IT
1    李四        女        运营
#df2数据源
    姓名        职业        婚姻状况        学历
0    张三        IT        未婚            本科
1    李四        运营        已婚            研究生
2    王五        产品        未婚            博士
3    麻子        市场        已婚            研究生
pd.merge(df1, df2, on='姓名',how='outer',suffixes=('_表1','_表2')) #运算结果如下
    姓名        性别        职业_表1        职业_表2        婚姻状况        学历
0    张三        男        IT            IT            未婚            本科    
1    李四        女        运营            运营            已婚            研究生
2    王五        NaN        NaN            产品            未婚            博士
3    麻子        NaN        NaN            市场            已婚            研究生

三、 join

join整体功能与merge类似,也与SQL中的join语法功能和表现完全一样,只不过join可以高效的连接多个DataFrame,而merge只能连接两个,相当于join的快捷方式,join连接时默认使用行index进行连接,但也可以指定类似merge使用列标签连表。

3.1 概述

#join函数的使用方法如下
DataFrame.join(
    other,  #指定需要连接的其他df,如果是一个,则直接写df,如果是多个,则可以是多个df组成的列表或元组,如果是多个,则不支持设置on、lsuffix以及sort
    on=None,  #默认以行index连接,也可以指定列标签,如果需要指定多个列,则可以是列表或元组形式
    how='left', #连接的方式,枚举为 left、right、outer、inner,默认是left
    lsuffix=' ', #左df重复列的后缀,只对连接2个df有效,连接多个df如果列标签有重复,则会报错
    rsuffix=' ', #右df重复列的后缀,只对连接2个df有效,连接多个df如果列标签有重复,则会报错
    sort=False #排序,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)
)

3.2 行索引连接--无重复列标签

#默认join以行索引index连接,如果多个df没有重复的列标签,则可以直接进行连接,无需设置其他参数
#此时,也可以一次性连接多个df,
#df1数据源
    姓名        性别
0    张三        男
1    李四        女
#df2数据源
    职业        婚姻状况
0    IT        未婚
1    运营        已婚
df1.join(df2) #运算结果如下
    姓名        性别        职业        婚姻状况    
0    张三        男        IT        未婚    
1    李四        女        运营        已婚    

3.3 行索引连接--有重复列标签

#当有重复列标签时,必须设置lsuffix和rsuffix参数,否则就会报错
#df1数据源
    姓名        性别
0    张三        男
1    李四        女
#df2数据源
    姓名        职业        婚姻状况
0    张三        IT        未婚
1    李四        运营        已婚    
df1.join(df2, lsuffix='_a', rsuffix='_b') #运算结果如下
    姓名_a    性别        姓名_b    职业        婚姻状况
0    张三        男        张三        IT        未婚
1    李四        女        李四        运营        已婚

3.4 列标签链接--列标签不相同,但内容有相同

#类似merge,如果想链接的两个df,可能列标签没有相同,但是某列标签内容有相同,希望用该列作为Key进行连表,则可以分别设置左右on的key
#df1数据源
    姓名        性别
0    张三        男
1    李四        女
#df2数据源
    员工姓名        职业        婚姻状况
0    张三        IT        未婚
1    李四        运营        已婚
2    王五        运营        已婚
df1.join(df2.set_index('员工姓名'),on='姓名') #运算结果如下
    姓名        性别        职业        婚姻状况
0    张三        男        IT        未婚
1    李四        女        运营        已婚

3.5 列标签链接--列标签有相同,内容有相同

#以列标签连表,就类似merge默认的用法,如果除了on指定的列标签,两个df还有其他相同的列标签,则lsuffix和rsuffix必须设置,否则会报错
#df1数据源
    姓名        性别
0    张三        男
1    李四        女
#df2数据源
    姓名        职业        婚姻状况
0    张三        IT        未婚
1    李四        运营        已婚
2    王五        运营        已婚
df1.join(df2.set_index('姓名'),on='姓名') #运算结果如下
    姓名        性别        职业        婚姻状况
0    张三        男        IT        未婚
1    李四        女        运营        已婚

3.6 列标签链接--列标签和列内容均不相同

此时,无法使用列标签连接两个DataFrame

3.7 join和merge主要异同

相同点:

不同点:

四、 append

该方法主要是对存量的DataFrame添加新的行,或者直接将另外一个DataFrame按0轴(按行)合并到现有的DataFrame上,并且要求两个DataFrame的列数完全相等

该方法在比如需要对多个列数相同的数据进行合并分析时较为有用,不过直接使用pd.concat(df1,df2)也能达到目的,只是append用法可能更为直观些

import pandas as pd
#df1数据源如下
    A            B
0    -0.606787    0.256638
1    -1.333439    -0.335560
#df2数据源如下
    A            B
0    -0.606787    0.256638
1    -1.333439    -0.335560
df1.append(df2)
#运算结果如下:
    A            B
0    0.966491    -0.316075
1    -0.298886    1.016128
0    0.592691    0.478276
1    1.117325    1.294424
 
#其实以上方法,效果等同于concat的默认行为
pd.concat(df1,df2)

五、 assign

该方法主要是对存量的DataFrame添加新的列,并且要求新增的列,对应的Series长度需与存量数据相同

该方法用的比较少,因为如果想增加新的列,有更快捷的方式,此处只是罗列说明

#df源数据如下
    A            B
0    -0.606787    0.256638
1    -1.333439    -0.335560
df.assign(C=[1,2])
#结果如下:
    A            B            C
0    -0.606787    0.256638    1
1    -1.333439    -0.335560    2
 
#以上操作等同于如下操作,并且相对来说更加直观
df['C']=[1,2]

到此这篇关于pandas实现数据合并的示例代码的文章就介绍到这了,更多相关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!

您可能感兴趣的文章:
阅读全文