Python數(shù)據(jù)合并的concat函數(shù)與merge函數(shù)詳解
一、concat函數(shù)
1.concat()函數(shù)可以沿著一條軸將多個對象進行堆疊，其使用方式類似數(shù)據(jù)庫中的數(shù)據(jù)表合并
pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)
2.參數(shù)含義如下：
| 參數(shù) | 作用 |
|---|---|
| axis | 表示連接的軸向，可以為0或者1，默認為0 |
| join | 表示連接的方式，inner表示內(nèi)連接，outer表示外連接，默認使用外連接 |
| ignore_index | 接收布爾值，默認為False。如果設置為True，則表示清除現(xiàn)有索引并重置索引值 |
| keys | 接收序列，表示添加最外層索引 |
| levels | 用于構建MultiIndex的特定級別（唯一值） |
| names | 設置了keys和level參數(shù)后，用于創(chuàng)建分層級別的名稱 |
| verify_integerity | 檢查新的連接軸是否包含重復項。接收布爾值，當設置為True時，如果有重復的軸將會拋出錯誤，默認為False |
3.根據(jù)軸方向的不同，可以將堆疊分成橫向堆疊與縱向堆疊，默認采用的是縱向堆疊方式
4.在堆疊數(shù)據(jù)時，默認采用的是外連接（join參數(shù)設為outer）的方式進行合并，當然也可以通過join=inner設置為內(nèi)連接的方式。
1)橫向堆疊與外連接
import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],
'B':['B0','B1','B2']})
df1
橫向堆疊合并df1和df2,采用外連接的方式
pd.concat([df1,df2],join='outer',axis=1)
2) 縱向堆疊與內(nèi)鏈接
import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],
'B':['B0','B1','B2'],
'C':['C0','C1','C2']})
first
second=pd.DataFrame({'B':['B3','B4','B5'],
'C':['C3','C4','C5'],
'D':['D3','D4','D5']})
second
3.當使用concat()函數(shù)合并時，若是將axis參數(shù)的值設為0，且join參數(shù)的值設為inner,則代表著使用縱向堆疊與內(nèi)連接的方式進行合并
pd.concat([first,second],join='inner',axis=0)
二、merge()函數(shù)
1）主鍵合并數(shù)據(jù)
在使用merge()函數(shù)進行合并時，默認會使用重疊的列索引做為合并鍵，并采用內(nèi)連接方式合并數(shù)據(jù)，即取行索引重疊的部分。
import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],
'A':['A0','A1','A2'],
'B':['B0','B1','B2']})
left
right=pd.DataFrame({'key':['K0','K1','K2','K3'],
'C':['C0','C1','C2','C3'],
'D':['D0','D1','D2','D3']})
right
pd.merge(left,right,on='key')
2）merge()函數(shù)還支持對含有多個重疊列的DataFrame對象進行合并。
import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],
'A':['A0','A1','A2'],
'B':['B0','B1','B2']})
data1
data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
'B':['B0','B1','B2','B5'],
'C':['C0','C1','C2','C3'],
'D':['D0','D1','D2','D3']})
data2
pd.merge(data1,data2,on=['key','B'])
1）根據(jù)行索引合并數(shù)據(jù)
join()方法能夠通過索引或指定列來連接多個DataFrame對象
join（other，on = None，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = False ）
| 參數(shù) | 作用 |
|---|---|
| on | 名稱，用于連接列名 |
| how | ?可以從{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任選一個，默認使用左連接的方式。 |
| sort | 根據(jù)連接鍵對合并的數(shù)據(jù)進行排序，默認為False |
import pandas as pd
data3=pd.DataFrame({'A':['A0','A1','A2'],
'B':['B0','B1','B2']})
data3
data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
'D': ['D0', 'D1', 'D2']},
index=['a','b','c'])
data3.join(data4,how='outer') # 外連接
data3.join(data4,how='left') #左連接
data3.join(data4,how='right') #右連接
data3.join(data4,how='inner') #內(nèi)連接
import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2'],
'key': ['K0', 'K1', 'K2']})
left
right = pd.DataFrame({'C': ['C0', 'C1','C2'],
'D': ['D0', 'D1','D2']},
index=['K0', 'K1','K2'])
right
on參數(shù)指定連接的列名
left.join(right,how='left',on='key') #on參數(shù)指定連接的列名
2）合并重疊數(shù)據(jù)
當DataFrame對象中出現(xiàn)了缺失數(shù)據(jù)，而我們希望使用其他DataFrame對象中的數(shù)據(jù)填充缺失數(shù)據(jù)，則可以通過combine_first()方法為缺失數(shù)據(jù)填充。
import pandas as pd
import numpy as np
from numpy import NAN
left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],
'B': [np.nan, 'B1', np.nan, 'B3'],
'key': ['K0', 'K1', 'K2', 'K3']})
left
right = pd.DataFrame({'A': ['C0', 'C1','C2'],
'B': ['D0', 'D1','D2']},
index=[1,0,2])
right
用right的數(shù)據(jù)填充left缺失的部分
left.combine_first(right) # 用right的數(shù)據(jù)填充left缺失的部分
到此這篇關于Python數(shù)據(jù)合并的concat函數(shù)與merge函數(shù)詳解的文章就介紹到這了,更多相關python 數(shù)據(jù)合并concat函數(shù)與merge函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
python實現(xiàn)class對象轉換成json/字典的方法
這篇文章主要介紹了python實現(xiàn)class對象轉換成json/字典的方法,結合實例形式分析了Python類型轉換的相關技巧,需要的朋友可以參考下2016-03-03
這篇文章主要為大家詳細介紹了python如何實現(xiàn)簡易超市管理系統(tǒng)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-09-09
Pandas是Python語言的一個擴展程序庫,提供高性能、易于使用的數(shù)據(jù)結構和數(shù)據(jù)分析工具,下面這篇文章主要給大家介紹了關于如何使用pandas對超大csv文件進行快速拆分的相關資料,需要的朋友可以參考下2022-07-07
這篇文章主要介紹了python中終止協(xié)程和異常處理方式，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2022-12-12
這篇文章主要介紹了python面向對象之類的繼承詳解,通過概述定義講解了類的繼承的功能和創(chuàng)建方式,寫出了代碼實例供參考,以下就是詳細內(nèi)容,需要的朋友可以參考下2021-07-07
使用pandas實現(xiàn)連續(xù)數(shù)據(jù)的離散化處理方式(分箱操作)
今天小編就為大家分享一篇使用pandas實現(xiàn)連續(xù)數(shù)據(jù)的離散化處理方式(分箱操作)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
本文主要介紹了Python中re模塊:匹配開頭/結尾(^/$)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-08-08
這篇文章主要介紹了Flask項目中實現(xiàn)短信驗證碼和郵箱驗證碼功能,需本文通過截圖實例代碼的形式給大家介紹的非常詳細，需要的朋友可以參考下2019-12-12
這篇文章主要介紹了Python如何向SQLServer存儲二進制圖片,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06
大家好，本篇文章主要講的是用python生成一張壁紙實例代碼，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下2022-02-02