文章目录
*
– pandas中dataframe连接
–
+ concat操作
+ merge操作
+ join操作
– numpy常见的数组合并及分割
–
+ 组合数组
+ 切割数组
pandas中dataframe连接
concat操作
concat函数可以实现多个dataframe在横轴、纵轴进行拼接，concat函数的基本语法如下。
pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None,
names=None, verify_integrity=False, copy=True)
主要参数说明：
参数名称说明objs接收多个Series，DataFrame，Panel的组合。表示参与链接的pandas对象的列表的组合。无默认。axis接收0或1。表示连接的轴向，默认为0，即纵轴方向。join接收inner或outer。表示其他轴向上的索引是按交集（inner）还是并集（outer）进行合并。默认为outer。ignore_index重置拼接后的索引
接下来请看下面的例子，先创建两个dataframe
pd.concat([df_1,df_2],axis=0,join='outer')
运行结果
当axis为0时，按照纵轴进行拼接，join为outer时取并集，表中缺失的赋值为Nan，在这里还可以使用ignore_index=True重置索引。
merge操作
主键合并，即通过一个或多个键将两个数据集的行连接起来，类似于SQL中的JOIN。针对同一个主键存在两张
包含不同字段的表，将其根据某几个字段一一对应拼接起来，结果集列数为两个元数据的列数和减去连接键
的数量。
和数据库的join一样，merge函数也有左连接（left）、右连接（right）、内连接（inner）和外连接（
outer），但比起数据库SQL语言中的join和merge函数还有其自身独到之处，例如可以在合并过程中对数
据集中的数据进行排序等。merge函数如下。
pandas.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True,
indicator=False)
- 键名一致时
先创建以下两个dataframe
import pandas as pd
import numpy as numpy
df1 = pd.DataFrame({'key': ['foo', 'bar', 'baz', 'foo','hoo'],'value': [1, 2, 3, 5,6]})
df2 = pd.DataFrame({'key': ['foo', 'bar', 'baz'],'value': [5, 6, 7]})
内连接
pd.merge(df1,df2,on='key')
保留key 列的交集，这些样本的其他特征都会保留。这里df1中字段key存在’foo’, ‘bar’, ‘baz’, ‘foo’,’hoo’；df2中字段key中存在’foo’, ‘bar’, ‘baz’。因此交集为’foo’, ‘bar’, ‘baz’, ‘foo’，故共保留4个样本。
外连接
pd.merge(df1,df2,on='key',how='outer')
与内连接相反，保留并集，不存在的特征会自动补充 nan。
左连接
pd.merge(df1,df2,on='key',how='left')
保留左表（df1)中的key字段的所有值，如果另外一个表没有左表字段key中的值，则赋值为nan。如这里df2表字段key没有值hoo，则对应的特征赋值为nan。
右连接
pd.merge(df1,df2,on='key',how='right')
保留左表（df1)中的key字段的所有值，如果另外一个表没有左表字段key中的值，则赋值为nan。如这里df2表字段key没有值hoo，则对应的特征赋值为nan。
注意 ：如果两表的键名不一样时，需要把on换成 left_on， right_on。
join操作
join方法也可以实现部分主键合并的功能，但是join方法使用时，两个主键的名字必须相同。
pandas.DataFrame.join(self, other, on=None, how='left', lsuffix='', rsuffix='', sort=False)
numpy常见的数组合并及分割
组合数组
- np.hstack((arr1,arr2))
hstack函数实现数组横向组合，h为单词horizontal水平的
np.random.seed(123)
arr_1 = np.random.randint(2,5,size=(2,2))
np.random.seed(123)
arr_2 = np.random.randint(1,4,size=(2,3))
np.random.seed(123)
arr_3 = np.random.randint(4,8,size=(3,3))
print(arr_1)
print(arr_2)
print(arr_3)
输出结果：
- np.vstack((arr1,arr2))
使用vstack函数实现数组纵向组合，v为单词vertical垂直的
np.vstack((arr_2,arr_3))
输出结果：
- np.concatenate((arr1,arr2),axis ))
使用concatenate函数实现数组横、纵向组合，当axis为1时表示横向，为0表示纵向
切割数组
- np.hsplit(ary, indices_or_sections)
hsplit函数实现数组横向分割， indices_or_sections为列表包含的元素个数
np.hsplit(arr_1,2)
输出结果：
- np.vsplit(ary, indices_or_sections)
vsplit函数实现数组纵向分割， indices_or_sections为列表包含的元素个数 - np.split(ary, indices_or_sections, axis=0)
axis=1表示横向分割，为0表示纵向分割
Original: https://blog.csdn.net/m0_61796189/article/details/127450788
Author: 黎小强同学
Title: 【python】pandas中dataframe连接及数组分割及合并
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/738436/
转载文章受原作者版权保护。转载请注明原作者出处！