建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
這篇“怎么使用Python中的DataFrame合并和連接數(shù)據(jù)”文章的知識(shí)點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來(lái)看看這篇“怎么使用Python中的DataFrame合并和連接數(shù)據(jù)”文章吧。
我們提供的服務(wù)有：網(wǎng)站建設(shè)、網(wǎng)站制作、微信公眾號(hào)開(kāi)發(fā)、網(wǎng)站優(yōu)化、網(wǎng)站認(rèn)證、武岡ssl等。為成百上千企事業(yè)單位解決了網(wǎng)站和推廣的問(wèn)題。提供周到的售前咨詢(xún)和貼心的售后服務(wù)，是有科學(xué)管理、有技術(shù)的武岡網(wǎng)站制作公司
merge()
1.常規(guī)合并
①方法1
指定一個(gè)參照列，以該列為準(zhǔn)，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(shí)現(xiàn)該合并，也可以通過(guò)索引來(lái)合并，即以index列為基準(zhǔn)。將left_index 和 right_index 都設(shè)置為T(mén)rue
即可。（left_index 和 right_index 都默認(rèn)為False，left_index表示左表以左表數(shù)據(jù)的index為基準(zhǔn)， right_index表示右表以右表數(shù)據(jù)的index為基準(zhǔn)。）
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(fù)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(duì)象，DataFrame或Series |
| right | 右表，合并對(duì)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(nèi)合并) |
| on | 基準(zhǔn)列 的列名 |
| left_on | 左表基準(zhǔn)列列名 |
| right_on | 右表基準(zhǔn)列列名 |
| left_index | 左列是否以index為基準(zhǔn)，默認(rèn)False，否 |
| right_index | 右列是否以index為基準(zhǔn)，默認(rèn)False，否 |
其中，left_index與right_index 不能與 on 同時(shí)指定。
合并方式 left right outer inner
準(zhǔn)備數(shù)據(jù)‘
新準(zhǔn)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(rèn)）
使用來(lái)自?xún)蓚€(gè)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(lái)自?xún)蓚€(gè)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(lái)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(lái)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(duì)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(fù)id1的數(shù)據(jù)。
合并
df_merge = pd.merge(df1, df2, on='id') print(df_merge)
合并結(jié)果如圖所示：
依然按照默認(rèn)的Inner方式，使用來(lái)自?xún)蓚€(gè)數(shù)據(jù)集的鍵的交集。且重復(fù)的鍵的行會(huì)在合并結(jié)果中體現(xiàn)為多行。
3.多對(duì)多合并
如圖表1和表2中都存在多行id重復(fù)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(duì)象的序列或映射 |
| axis | 默認(rèn)為0，表示列。如果為1則表示行。 |
| join | 默認(rèn)為"outer"，也可以為"inner" |
| ignore_index | 默認(rèn)為False，表示保留索引（不忽略）。設(shè)為T(mén)rue則表示忽略索引。 |
其他重要參數(shù)通過(guò)實(shí)例說(shuō)明。
1.相同字段的表首位相連
首先準(zhǔn)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(biāo)記一下數(shù)據(jù)都來(lái)自于哪張表或者數(shù)據(jù)的某類(lèi)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(shí)，添加的keys與原來(lái)的index組成元組，共同成為新的index。
print(result.index)
2.橫向表合并（行對(duì)齊）
準(zhǔn)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(dāng)axis為默認(rèn)值0時(shí)：
result = pd.concat([df1, df2]) print(result)
橫向合并需要將axis設(shè)置為1：
result = pd.concat([df1, df2], axis=1) print(result)
對(duì)比以上輸出差異。
axis=0時(shí)，即默認(rèn)縱向合并時(shí)，如果出現(xiàn)重復(fù)的行，則會(huì)同時(shí)體現(xiàn)在結(jié)果中
axis=1時(shí)，即橫向合并時(shí)，如果出現(xiàn)重復(fù)的列，則會(huì)同時(shí)體現(xiàn)在結(jié)果中。
3.交叉合并
result = pd.concat([df1, df2], axis=1, join='inner') print(result)
以上就是關(guān)于“怎么使用Python中的DataFrame合并和連接數(shù)據(jù)”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對(duì)大家有幫助，若想了解更多相關(guān)的知識(shí)內(nèi)容，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
當(dāng)前題目：怎么使用Python中的DataFrame合并和連接數(shù)據(jù)
本文URL：http://www.dlmjj.cn/article/ieeisj.html
