亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python?Pandas數(shù)據(jù)合并pd.merge用法詳解

 更新時間:2022年08月26日 16:46:34   作者:山茶花開時。  
在合并數(shù)據(jù)的操作中,除了pd.concat()函數(shù),另一個常用的函數(shù)就是pd.merge()了,下面這篇文章主要給大家介紹了關(guān)于Python?Pandas數(shù)據(jù)合并pd.merge用法的相關(guān)資料,需要的朋友可以參考下

前言

實現(xiàn)類似SQL的join操作,通過pd.merge()方法可以自由靈活地操作各種邏輯的數(shù)據(jù)連接、合并等操作

可以將兩個DataFrame或Series合并,最終返回一個合并后的DataFrame

語法

pd.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, validate = None)

參數(shù) 

left、right:需要連接的兩個DataFrame或Series,一左一右

how:兩個數(shù)據(jù)連接方式,默認為inner,可設(shè)置inner、outer、left或right

on:作為連接鍵的字段,左右數(shù)據(jù)中都必須存在,否則需要用left_on和right_on來指定

left_on:左表的連接鍵字段

right_on:右表的連接鍵字段

left_index:為True時將左表的索引作為連接鍵,默認為False

right_index:為True時將右表的索引作為連接鍵,默認為False

suffixes:如果左右數(shù)據(jù)出現(xiàn)重復(fù)列,新數(shù)據(jù)表頭會用此后綴進行區(qū)分,默認為_x和_y

1.連接鍵

在數(shù)據(jù)連接時,如果沒有指定根據(jù)哪一列(連接鍵)進行連接,Pandas會自動找到相同列名的列進行連接,并按左邊數(shù)據(jù)的順序取交集數(shù)據(jù)。為了代碼的可閱讀性和嚴謹性,推薦通過on參數(shù)指定連接鍵

import pandas as pd
df1 = pd.DataFrame({'a':[1,2],'b':[5,6]})
df2 = pd.DataFrame({'a':[2,1,0],'y':[6,7,8]})
# 按a列進行連接,數(shù)據(jù)順序取df1的順序
res = pd.merge(df1, df2, on='a')

結(jié)果展示

df1

df2

res

2.索引連接 

可以直接按索引進行連接,將left_index和right_index設(shè)置為True,會以兩個表的索引作為連接鍵

import pandas as pd
df1 = pd.DataFrame({'a':[1,2],'b':[5,6]})
df2 = pd.DataFrame({'a':[2,1,0],'y':[6,7,8]})
# 兩個表都有同名的a列,用suffixes參數(shù)設(shè)置后綴來區(qū)分
res = pd.merge(df1, df2, left_index=True, right_index=True, suffixes=('_1','_2'))

結(jié)果展示

df1

df2

res

3.多連接鍵 

如果在合并數(shù)據(jù)時需要用多個連接鍵,可以以列表的形式將這些連接鍵傳入on中

import pandas as pd
df3 = pd.DataFrame({'a':[1,2],'b':[3,4],'x':[5,6]})
df4 = pd.DataFrame({'a':[1,2,3],'b':[3,4,5],'y':[6,7,8]})
# a和b列中的(1,3)和(2,4)作為連接鍵將兩個數(shù)據(jù)進行了連接
res = pd.merge(df3, df4, on=['a','b'])

結(jié)果展示

df3

 df4

 res

4.連接方法 

how參數(shù)可以指定數(shù)據(jù)用哪種方法進行合并,可以設(shè)置inner、outer、left或right

默認的方式是inner join,取交集,也就是保留左右表的共同內(nèi)容;如果是left join,左邊表中所有的內(nèi)容都會保留;如果是right join,右表全部保留;如果是outer join,則左右表全部保留。關(guān)聯(lián)不上的內(nèi)容為NaN

import pandas as pd
df3 = pd.DataFrame({'a':[1,2],'b':[3,4],'x':[5,6]})
df4 = pd.DataFrame({'a':[1,2,3],'b':[3,4,5],'y':[6,7,8]})
 
# 以左表為基表
res1 = pd.merge(df3, df4, how='left', on=['a','b'])
 
# 以右表為基表
res2 = pd.merge(df3, df4, how='right', on=['a','b'])

 結(jié)果展示

df3

 df4

res1

res2

以下是其他的案例:

import pandas as pd
df3 = pd.DataFrame({'a':[1,2],'b':[3,4],'x':[5,6]})
df4 = pd.DataFrame({'a':[1,2,3],'b':[3,4,5],'y':[6,7,8]})
# 取兩個表的并集
# pd.merge(left, right, how='outer', on=['key1','key2'])
res3 = pd.merge(df3, df4, how='outer', on=['a','b'])
# 取兩個表的交集
# pd.merge(left, right, how='inner', on=['key1','key2'])
res4 = pd.merge(df3, df4, how='inner', on=['a','b'])

結(jié)果展示

df3

df4

res3

 res4

一個有重復(fù)連接鍵的例子

import pandas as pd
left = pd.DataFrame({'A':[1,2],'B':[2,2]})
right = pd.DataFrame({'A':[4,5,6],'B':[2,2,2]})
res = pd.merge(left, right, on='B', how='outer')
res1 = pd.merge(left, right, on='B')
res2 = pd.merge(left, right, how='outer')

結(jié)果展示

left

right

res

res1

res2

5.連接指示 

如果想知道數(shù)據(jù)連接后是左表內(nèi)容還是右表內(nèi)容,可以使用indicator參數(shù)顯示連接方式

如果將indicator設(shè)置為True,則會增加名為_merge的列,顯示這列是從何而來

_merge有以下三個值:

  • left_only:只在左表中
  • right_only:只在右表中
  • both:兩個表都有
import pandas as pd
df1 = pd.DataFrame({'a':[1,2],'b':[5,6]})
df2 = pd.DataFrame({'a':[2,1,0],'y':[6,7,8]})
 
# 顯示連接指示列
res = pd.merge(df1, df2, on='a', how='outer', indicator=True)

結(jié)果展示

df1

df2

res

總結(jié) 

到此這篇關(guān)于Python Pandas數(shù)據(jù)合并pd.merge用法的文章就介紹到這了,更多相關(guān)Pandas數(shù)據(jù)合并pd.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

最新評論