腳本之家服務器常用軟件

快捷導航

python中DataFrame數(shù)據(jù)合并merge()和concat()方法詳解

更新時間：2022年07月05日 08:38:26 作者：侯小啾

Pandas提供了很多合并Series和Dataframe的強大的功能，通過這些功能可以方便的進行數(shù)據(jù)分析,下面這篇文章主要給大家介紹了關于python中DataFrame數(shù)據(jù)合并merge()和concat()方法的相關資料,需要的朋友可以參考下

merge()

1.常規(guī)合并

①方法1

指定一個參照列，以該列為準，合并其他列。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")
df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

②方法2

要實現(xiàn)該合并，也可以通過索引來合并，即以index列為基準。將left_index 和 right_index 都設置為True
即可。（left_index 和 right_index 都默認為False，left_index表示左表以左表數(shù)據(jù)的index為基準， right_index表示右表以右表數(shù)據(jù)的index為基準。）

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

df_merge = pd.merge(df1, df2, left_index=True, right_index=True)
print(df_merge)

相比方法①，區(qū)別在于，如圖，方法②合并出的數(shù)據(jù)中有重復列。

重要參數(shù)

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False )

參數(shù)	描述
left	左表，合并對象，DataFrame或Series
right	右表，合并對象，DataFrame或Series
how	合并方式，可以是left(左合并), right(右合并), outer(外合并), inner(內合并)
on	基準列的列名
left_on	左表基準列列名
right_on	右表基準列列名
left_index	左列是否以index為基準，默認False，否
right_index	右列是否以index為基準，默認False，否

其中，left_index與right_index 不能與 on 同時指定。

合并方式 left right outer inner

準備數(shù)據(jù)‘

新準備一組數(shù)據(jù):

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '004', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

inner（默認）

使用來自兩個數(shù)據(jù)集的鍵的交集

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

outer

使用來自兩個數(shù)據(jù)集的鍵的并集

df_merge = pd.merge(df1, df2, on='id', how="outer")
print(df_merge)

left

使用來自左數(shù)據(jù)集的鍵

df_merge = pd.merge(df1, df2, on='id', how='left')
print(df_merge)

right

使用來自右數(shù)據(jù)集的鍵

df_merge = pd.merge(df1, df2, on='id', how='right')
print(df_merge)

2.多對一合并

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '001', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

如圖，df2中有重復id1的數(shù)據(jù)。

合并

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

合并結果如圖所示：

依然按照默認的Inner方式，使用來自兩個數(shù)據(jù)集的鍵的交集。且重復的鍵的行會在合并結果中體現(xiàn)為多行。

3.多對多合并

如圖表1和表2中都存在多行id重復的。

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '002', '002', '003'],
                    'num1': [120, 101, 104, 114, 123],
                    'num2': [110, 102, 121, 113, 126],
                    'num3': [105, 120, 113, 124, 128]})
df2 = pd.DataFrame({'id': ['001', '001', '002', '003', '001'],
                    'num4': [80, 86, 79, 88, 93]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

concat()

pd.concat(objs, axis=0, join=‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)

參數(shù)	描述
objs	Series，DataFrame或Panel對象的序列或映射
axis	默認為0，表示列。如果為1則表示行。
join	默認為"outer"，也可以為"inner"
ignore_index	默認為False，表示保留索引（不忽略）。設為True則表示忽略索引。

其他重要參數(shù)通過實例說明。

1.相同字段的表首位相連

首先準備三組DataFrame數(shù)據(jù)：

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 114, 123],
                    'num2': [110, 102, 121],
                    'num3': [113, 124, 128]})
df2 = pd.DataFrame({'id': ['004', '005'],
                    'num1': [120, 101],
                    'num2': [113, 126],
                    'num3': [105, 128]})
df3 = pd.DataFrame({'id': ['007', '008', '009'],
                    'num1': [120, 101, 125],
                    'num2': [113, 126, 163],
                    'num3': [105, 128, 114]})


print(df1)
print("=======================================")
print(df2)
print("=======================================")
print(df3)

合并

dfs = [df1, df2, df3]
result = pd.concat(dfs)
print(result)

如果想要在合并后，標記一下數(shù)據(jù)都來自于哪張表或者數(shù)據(jù)的某類別，則也可以給concat加上 參數(shù)keys 。

result = pd.concat(dfs, keys=['table1', 'table2', 'table3'])
print(result)

此時，添加的keys與原來的index組成元組，共同成為新的index。

print(result.index)

2.橫向表合并（行對齊）

準備兩組DataFrame數(shù)據(jù)：

import pandas as pd
df1 = pd.DataFrame({'num1': [120, 114, 123],
                    'num2': [110, 102, 121],
                    'num3': [113, 124, 128]}, index=['001', '002', '003'])
df2 = pd.DataFrame({'num3': [117, 120, 101, 126],
                    'num5': [113, 125, 126, 133],
                    'num6': [105, 130, 128, 128]}, index=['002', '003', '004', '005'])

print(df1)
print("=======================================")
print(df2)

當axis為默認值0時：

result = pd.concat([df1, df2])
print(result)

橫向合并需要將axis設置為1 ：

result = pd.concat([df1, df2], axis=1)
print(result)

對比以上輸出差異。

axis=0時，即默認縱向合并時，如果出現(xiàn)重復的行，則會同時體現(xiàn)在結果中
axis=1時，即橫向合并時，如果出現(xiàn)重復的列，則會同時體現(xiàn)在結果中。

3.交叉合并

result = pd.concat([df1, df2], axis=1, join='inner')
print(result)

總結

到此這篇關于python中DataFrame數(shù)據(jù)合并merge()和concat()方法的文章就介紹到這了,更多相關python數(shù)據(jù)合并merge()和concat()方法內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！

您可能感興趣的文章:

最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线