import pandas as pd
- 轴向连接(concatenation):
pd.concat()
可以沿一个轴将多个DataFrame对象连接在一起, 形成一个新的Dataframe对象 - 融合(merging):
pd.merge()
方法可以根据一个或多个键将不同DataFrame中的行连接起来。
concat() 轴向连接
- concat() 函数可以将数据根据不同的轴作进行合并
pd.concat(objs, axis=0, join='outer')
objs
: series、dataframe或者是panel构成的序列listaxis
: 需要合并链接的轴,0是行,1是列,默认是0join
:连接的方式 inner,或者outer,默认是outer
准备数据
dict1={
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3']}
df1=pd.DataFrame(dict1)
print(df1)
dict2={
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']}
df2=pd.DataFrame(dict2)
print(df2)
合并
join的值 inner
,得到的是两表的 交集
,如果是 outer
,得到的是两表的 并集
(1) join='outer',axis=0
- 当join=’outer’,axis参数为0时,列进行并集处理,纵向表拼接,缺失值由NaN填充,并且会保留原有数据的行索引
pd.concat([df1, df2], axis=0, join='outer', sort=True)
ABCD0A0B0C0NaN1A1B1C1NaN2A2B2C2NaN3A3B3C3NaN0NaNB0C0D01NaNB1C1D12NaNB2C2D23NaNB3C3D3
- 如果两个表的index都没有实际含义, 使用
ignore_index
参数置为 true, 重新生成一个新的index
pd.concat([df1,df2],axis=0,join='outer',ignore_index=True, sort=True)
ABCD0A0B0C0NaN1A1B1C1NaN2A2B2C2NaN3A3B3C3NaN4NaNB0C0D05NaNB1C1D16NaNB2C2D27NaNB3C3D3
(2) join='outer',axis=1
- 当join=’outer’,axis参数为1时,行进行并集处理,横向表拼接,缺失值由NaN填充
pd.concat([df1,df2],axis=1,join='outer', sort=True)
ABCBCD0A0B0C0B0C0D01A1B1C1B1C1D12A2B2C2B2C2D23A3B3C3B3C3D3
(3) join=inner, axis=0
pd.concat([df1,df2],axis=0,join='inner',ignore_index=True)
BC0B0C01B1C12B2C23B3C34B0C05B1C16B2C27B3C3
merge() 融合
merge(left, right, how='inner', on=None)
- 参数介绍
- left和right, 两个要合并的DataFrame(对应的左连接和右连接)
- how: 连接的方式, 有inner(内连接)、left(左连接)、right(右连接)、outer(外连接), 默认为 inner
- on: 指的是用于连接的列索引名称, 必须存在于左右两个DataFrame中, 如果没有指定且其他参数也没有指定,则两个DataFrame列名交集作为连接键
import pandas as pd
left = pd.DataFrame({'key':['a','b','b','d'],'data1':range(4)})
print(left)
right = pd.DataFrame({'key':['a','b','c'],'data2':range(3)})
print(right)
key data1
0 a 0
1 b 1
2 b 2
3 d 3
key data2
0 a 0
1 b 1
2 c 2
inner(内连接)
- *merge()默认做inner连接,并且使用两个DataFrame的列名交集(key)作为连接键,同样,最终连接的数据也是两个DataFramekey列数据的交集
pd.merge(left,right)
keydata1data20a001b112b21
outer (外连接)
- 当merge()做outer连接时最终连接的数据是两个DataFramekey列数据的并集,缺失的内容由NaN填充
pd.merge(left,right,on=['key'],how='outer')
keydata1data20a0.00.01b1.01.02b2.01.03d3.0NaN4cNaN2.0
left(左连接)
- 当merge()做left连接时,最终连接的数据将以left数据的链接建为准合并两个数据的列数据,缺失的内容由NaN填充
pd.merge(left,right,on=['key'],how='left')
keydata1data20a00.01b11.02b21.03d3NaN
right (右连接)
- 当merge()做right连接时,最终连接的数据将以right数据的链接建为准合并两个数据的列数据,缺失的内容由NaN填充
pd.merge(left,right,on=['key'],how='right')
keydata1data20a0.001b1.012b2.013cNaN2
应用场景
例如: 现在有两张表格分别存储了9月和10月份的成交信息,那么这个时候我们就可以使用concat( )将两个表沿着0轴合并
例如: 现在有两张表格,一个是成交信息,包含订单号、金额、客户ID等信息;第二个是客户信息,包含客户ID、姓名、电话号等信息,那么这个时候我们就可以使用merge()根据客户ID将两个表合并成一个完整的表
Original: https://blog.csdn.net/lxb_wyf/article/details/114120865
Author: 蓝小白1024
Title: pandas数据的合并concat()和merge()
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/755656/
转载文章受原作者版权保护。转载请注明原作者出处!