国产在线h,国产精品99久久久久久宅男,国产视频1区

數據合并是數據處理過程中的必經環節，pandas作為數據分析的利器，提供了四種常用的數據合并方式，讓我們看看如何使用這些方法吧！

1.concat()

concat() 可用于兩個及多個 DataFrame 間行/列方向進行內聯或外聯拼接操作，默認對行(沿 y 軸)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,
)

主要參數

objs：一個序列或是Series，DataFrame對象的映射。
axis：連接的軸，0(‘index'，行)，1(‘columns',列)，默認為0。
join：連接方式，inner(交集), outer(并集)，默認為outer。
ignore_index：是否重置串聯軸的索引值。如果為True，則重置索引為0，…, n - 1。
keys：創建層次化索引?？梢允侨我庵档牧斜砘驍到M、元組數組、數組列表（如果將levels設置成多級數組的話）
names：生成的分層索引中級別的名稱。

示例

創建兩個 DataFrame。

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

一文搞懂Python中Pandas數據合并

concat() 默認會對行方向進行拼接操作，連接方式 outer。

pd.concat([d1, d2])

一文搞懂Python中Pandas數據合并

清除現有索引并重置索引。

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

一文搞懂Python中Pandas數據合并

通過 keys 參數在數據的最外層添加分層索引。

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

一文搞懂Python中Pandas數據合并

指定 names 參數來標記創建的索引鍵。

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

一文搞懂Python中Pandas數據合并

將兩個 DataFrame 與重疊的列進行組合并返回所有內容。交集外的列填充 NaN。

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

一文搞懂Python中Pandas數據合并

將兩個 DataFrame 與重疊的列進行組合，只返回重疊列的內容。

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

一文搞懂Python中Pandas數據合并

指定 axis=1 沿 x 軸水平組合 DataFrame 對象。

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

一文搞懂Python中Pandas數據合并

2.merge()

merge() 只能用于兩個 DataFrame 間列方向進行內聯或外聯合并操作，默認列合并(沿 x 軸)，取交集（即：以兩個 DataFrame 列名的交集作為連接鍵）

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,
)

參數

left：DataFrame
right：DataFrame 或者帶有 name 的Series
how：{‘left', ‘right', ‘outer', ‘inner'}, 默認為 ‘inner'，連接的方式
on：用于連接的列索引名稱，必須同時存在于左、右兩個DataFrame中，默認是以兩個DataFrame列名的交集作為連接鍵。
left_on：左側DataFrame中用于連接鍵的列名，這個參數在左右列名不同但代表的含義相同時非常有用；
right_on：右側DataFrame中用于連接鍵的列名
left_index：默認為False，不使用左側DataFrame中的行索引作為連接鍵（但是這種情況下最好用JOIN）
right_index：默認為False，不使用右側DataFrame中的行索引作為連接鍵（但是這種情況下最好用JOIN）
sort：默認為False，將合并的數據進行排序，設置為False可以提高性能
suffixes：字符串值組成的元組，用于指定當左右DataFrame存在相同列名時在列名后面附加的后綴名稱，默認為('_x', ‘_y')
copy：默認為True，總是將數據復制到數據結構中，設置為False可以提高性能
indicator：顯示合并數據中數據的來源情況
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，則檢查合并是否為指定類型。

示例

創建兩個DataFrame。

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

一文搞懂Python中Pandas數據合并

merge() 默認情況下，會根據兩個 DataFrame 中同時存在的列進行合并，合并方法采用取交集的方式。

df1.merge(df2)

一文搞懂Python中Pandas數據合并

指定合并的方式為 outer，取并集。

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

一文搞懂Python中Pandas數據合并

下面再創建兩個 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]})

一文搞懂Python中Pandas數據合并

根據 name1 和 name2 列合并 df1 和 df2。 grade 列附加了默認后綴 _x 和 _y。

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

一文搞懂Python中Pandas數據合并

合并 df1 和 df2，并將指定的左右后綴附加到重疊列末尾。

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

一文搞懂Python中Pandas數據合并

3.append()

append() 可用于兩個及多個 DataFrame 間行方向(沿 y 軸)的拼接操作，默認取并集。

使用方式

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

參數

other : 指定要添加的數據。DataFrame 或 Series 對象，或這些對象的列表
ignore_index: 是否忽略索引，如果為 True，軸將被重置為 0, 1, …, n - 1。默認為False
verify_integrity：如果為 True，則在創建具有重復項的索引時引發 ValueError。默認為 False
sort : 如果 df1 和 other 的列未對齊，則對列進行排序。默認為 False。

示例

創建兩個 DataFrame。

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

一文搞懂Python中Pandas數據合并

append() 在默認情況下會沿y軸垂直拼接兩個 DataFrame ，df1，df2 交集外的列填充 NaN。

df1.append(df2)

一文搞懂Python中Pandas數據合并

將 ignore_index 設置為 True，來達到重置軸的索引。

df1.append(df2, ignore_index=True)

一文搞懂Python中Pandas數據合并

4.join()

join() 用于兩個及多個 DataFrame 間列方向(沿 x 軸)的拼接操作，默認左拼接。

使用方式

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

other：指定要添加的數據。DataFrame 或 Series 對象，或這些對象的列表
on：連接的列，默認使用索引連接
how：{‘left', ‘right', ‘outer', ‘inner'}, 默認為 ‘left'，連接的方式
lsuffix：默認為空字符串，表示df1中重復列的后綴
rsuffix：other中重復列的后綴
sort：按照字典順序對結果在連接鍵上排序。如果為False，連接鍵的順序取決于連接類型（關鍵字）。

示例

創建兩個 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']})

一文搞懂Python中Pandas數據合并

如果我們想使用 val 列進行連接，我們需要將 val 設置為 df1 和 df2 中的索引。

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

一文搞懂Python中Pandas數據合并

使用 val 列連接的另一個方法是指定 on 參數。 df1.join 只能使用 df2 的索引，但可以使用 df1 中的任何列。所以可以只將 df2 中的 val 列轉為索引，并通過 on 參數指定 df1 的連接列為 val。

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

一文搞懂Python中Pandas數據合并

使用外連接的方式連接 df1，df2

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

一文搞懂Python中Pandas數據合并

四種方法總結 concat() 可沿任意軸連接 Pandas 對象，并且可在串聯軸上添加一層分層索引join() 主要用于基于行索引進行列的拼接merge() 使用數據庫樣式的連接合并，連接是基于列或索引。一般情況下 append(), join() 可以看成是 concat() 與 merge()的簡易版，參數較少，易用性比較強。

一文搞懂Python中Pandas數據合并