pandas實現類似sql中的left join操作

使用pandas的merge函數

import pandas as pd
df1 = pd.read_csv(r"1.csv",index_col=0)
df2 = pd.read_csv(r"2.csv",index_col=0)
# on中填寫根據哪個字段來進行連接，how為left代表left join
df = pd.merge(df1,df2, on='LocationID',how='left')
# print(df)
# 只取出這些列，組成新的DataFrame，帶有col_name
df = df[['LocationName','Description','ActiveFlag','owner name','the location nature']]
# 將列進行重命名
new_col = ['location code', 'location name', 'ActiveFlag','owner name','the location nature']
df.columns = new_col
print(df)
# 導出為csv
df.to_csv(path_or_buf=r"3.csv", encoding="utf_8_sig")

pandas數據拼接操作merge、join、concat

在做數據處理過程中會遇到多個數據集之間進行拼接的操作，這里由于平時都是用的Pandas讀取的數據集，所以一般是針對的是DataFrame類型的數據進行拼接操作。

1. merge

用于通過一個或多個鍵將兩個數據集的行連接起來，類似于 SQL 中的 JOIN。

該函數的典型應用場景是，針對同一個主鍵存在兩張包含不同字段的表，現在我們想把他們整合到一張表里。

在此典型情況下，結果集的行數并沒有增加，列數則為兩個元數據的列數和減去連接鍵的數量。

df.merge(right, how='inner', on=None, left_on=None,
         right_on=None, left_index=False, right_index=False, 
         sort=False, suffixes=('_x', '_y'), copy=True)

參數解釋： 

• right： 要連接的目標數據，類型為DataFrame或者帶列名的Series 
• how ：連接方式，類似sql語句中的（left ,right,inner,outer）,這里默認為'inner'， 可選的參數有l(wèi)eft, right , inner , outer
• on ： 連接的列名或者index， 也就是指明2個要連接的對象之間通過哪個列名或者索引名進行連接。
• left_on ： 指定左邊的DataFrame以哪個列名或者索引名進行連接
• right_on ：指定右邊的DataFrame以哪個列名或者索引名進行連接
• left_index：用左邊的DataFrame當做連接Key
• right_index：用右邊的DataFrame當做連接Key
• sort：按照字典順序對連接Key進行排序，默認為False，默認連接鍵的順序取決于連接類型
• suffixes：連接后的列名默認帶下標 （'_x' ,  '_y'）
• copy：默認復制，如果設置為False，則盡可能的避免復制

a . 默認以相同的列名進行連接鍵 

2. join 

拼接列，主要用于索引上的合并，提供了一個簡便的方法用于將兩個DataFrame中的不同的列索引合并成為一個DataFrame

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

參數解釋：

• other：另一個待拼接的DataFrame或者有名稱列表的Series 
• on：連接的列名或者index， 也就是指明2個要連接的對象之間通過哪個列名或者索引名進行連接。
• how：連接方式，類似sql語句中的（left ,right,inner,outer）,這里默認為'left'， 可選的參數有l(wèi)eft, right , inner , outer
• lsuffix :  左邊的連接Key要用的下標
• rsuffix : 右邊的連接Key要用的下標
• sort：對拼接后的列名按照字典順序排序，默認為False，False的時候，保留按照左邊的DataFrame進行排序的順序。

3. concat

可以沿著一條軸將多個對象堆疊到一起

concat方法相當于數據庫中的全連接(UNION ALL),可以指定按某個軸進行連接,也可以指定連接的方式join(outer,inner 只有這兩種)。

與數據庫不同的是concat不會去重，要達到去重的效果可以使用drop_duplicates方法

pandas.concat(objs, axis=0, join='outer',
              ignore_index=False, keys=None, levels=None,
              names=None, verify_integrity=False,copy=True)

參數解釋：

• objs： 需要連接的對象集合，一般是列表或字典；
• axis： 0代表index 連接，1代表列連接 ，默認為0 
• join：連接方式 ，默認為‘outer’，還可以選擇‘inner’
• ignore_index：默認為False,如果為True，則是指忽略之前的Index，直接按照默認分配index從0-N-1進行分配，對于結合后的index并沒有啥意義的時候比較適用，用來重建索引
• keys：用來創(chuàng)建層次化索引
• levels： 層級，用來在列上進行劃分
• names：指定levels中的列名
• verify_integrity ：確定新結合的數據是否有重復值，但是會很耗費資源
• copy：復制數據 

總結

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論