您好,登錄后才能下訂單哦!
這篇文章主要介紹“Python中Pandas數(shù)據(jù)合并方法有哪些”,在日常操作中,相信很多人在Python中Pandas數(shù)據(jù)合并方法有哪些問題上存在疑惑,小編查閱了各式資料,整理出簡單好用的操作方法,希望對大家解答”Python中Pandas數(shù)據(jù)合并方法有哪些”的疑惑有所幫助!接下來,請跟著小編一起來學習吧!
concat()
可用于兩個及多個 DataFrame
間行/列方向進行內(nèi)聯(lián)或外聯(lián)拼接操作,默認對行(沿 y
軸)取并集。
使用方式
pd.concat( objs: Union[Iterable[~FrameOrSeries], Mapping[Union[Hashable, NoneType], ~FrameOrSeries]], axis=0, join='outer', ignore_index: bool = False, keys=None, levels=None, names=None, verify_integrity: bool = False, sort: bool = False, copy: bool = True, )
objs
:一個序列或是Series,DataFrame對象的映射。
axis
:連接的軸,0(‘index',行),1(‘columns',列),默認為0。
join
:連接方式 ,inner(交集), outer(并集),默認為outer。
ignore_index
:是否重置串聯(lián)軸的索引值。如果為True,則重置索引為0,…, n - 1。
keys
:創(chuàng)建層次化索引??梢允侨我庵档牧斜砘驍?shù)組、元組數(shù)組、數(shù)組列表(如果將levels設(shè)置成多級數(shù)組的話)
names
:生成的分層索引中級別的名稱。
創(chuàng)建兩個 DataFrame
。
df1 = pd.DataFrame( {'char': ['a', 'b'], 'num': [1, 2]}) df2 = pd.DataFrame( {'char': ['b', 'c'], 'num': [3, 4]})
concat()
默認會對行方向進行拼接操作,連接方式 outer
。
pd.concat([d1, d2])
清除現(xiàn)有索引并重置索引。
pd.concat( [d1, d2], ignore_index=True)
通過 keys
參數(shù)在數(shù)據(jù)的最外層添加分層索引。
pd.concat( [d1, d2], keys=['d1', 'd2'])
指定 names
參數(shù)來標記創(chuàng)建的索引鍵。
pd.concat( [d1, d1], keys=['d1', 'd2'], names=['DF Name', 'Row ID'])
將兩個 DataFrame
與重疊的列進行組合并返回所有內(nèi)容。 交集外的列填充 NaN
。
df3 = pd.DataFrame( {'char': ['b', 'c'], 'float': [3.0, 4.0]}) pd.concat([df1, df3])
將兩個 DataFrame
與重疊的列進行組合,只返回重疊列的內(nèi)容。
pd.concat( [df1, df3], join="inner")
指定 axis=1
沿 x 軸水平組合 DataFrame
對象。
df4 = pd.DataFrame( {'char': ['b', 'c', 'd'], 'num': [3, 4, 5]}, index=range(1, 4)) pd.concat([df1, df4], axis=1)
merge()
只能用于兩個 DataFrame
間列方向進行內(nèi)聯(lián)或外聯(lián)合并操作,默認列合并(沿 x
軸),取交集(即:以兩個 DataFrame
列名的交集作為連接鍵)
使用方式
pd.merge( left, right, how: str = 'inner', on=None, left_on=None, right_on=None, left_index: bool = False, right_index: bool = False, sort: bool = False, suffixes=('_x', '_y'), copy: bool = True, indicator: bool = False, validate=None, )
left
:DataFrame
right
:DataFrame 或者帶有 name 的Series
how
:{‘left', ‘right', ‘outer', ‘inner'}, 默認為 ‘inner',連接的方式
on
:用于連接的列索引名稱,必須同時存在于左、右兩個DataFrame中,默認是以兩個DataFrame列名的交集作為連接鍵。
left_on
:左側(cè)DataFrame中用于連接鍵的列名,這個參數(shù)在左右列名不同但代表的含義相同時非常有用;
right_on
:右側(cè)DataFrame中用于連接鍵的列名
left_index
:默認為False,不使用左側(cè)DataFrame中的行索引作為連接鍵(但是這種情況下最好用JOIN)
right_index
:默認為False,不使用右側(cè)DataFrame中的行索引作為連接鍵( 但是這種情況下最好用JOIN)
sort
:默認為False,將合并的數(shù)據(jù)進行排序,設(shè)置為False可以提高性能
suffixes
:字符串值組成的元組,用于指定當左右DataFrame存在相同列名時在列名后面附加的后綴名稱,默認為('_x', ‘_y')
copy
:默認為True,總是將數(shù)據(jù)復(fù)制到數(shù)據(jù)結(jié)構(gòu)中,設(shè)置為False可以提高性能
indicator
:顯示合并數(shù)據(jù)中數(shù)據(jù)的來源情況
validate
:{“one_to_one” or “1:1”, “one_to_many” or “1:m”, “many_to_one” or “m:1”, “many_to_many” or “m:m”}如果指定,則檢查合并是否為指定類型。
創(chuàng)建兩個DataFrame
。
df1 = pd.DataFrame( {'name': ['A1', 'B1', 'C1'], 'grade': [60, 70, 80]}) df2 = pd.DataFrame( {'name': ['B1', 'C1', 'D1'], 'grade': [70, 80, 100]})
merge()
默認情況下,會根據(jù)兩個 DataFrame
中同時存在的列進行合并,合并方法采用取交集的方式。
df1.merge(df2)
指定合并的方式為 outer
,取并集。
df1.merge(df2, how='outer')
下面再創(chuàng)建兩個 DataFrame
。
df1 = pd.DataFrame( {'name1': ['A1', 'B1', 'B1', 'C1'], 'grade': [60, 70, 80, 90]}) df2 = pd.DataFrame( {'name2': ['B1', 'C1', 'D1', 'E1'], 'grade': [70, 80, 90, 100]})
根據(jù) name1
和 name2
列合并 df1
和 df2
。 grade
列附加了默認后綴 _x
和 _y
。
df1.merge( df2, left_on='name1', right_on='name2')
合并 df1
和 df2
,并將指定的左右后綴附加到重疊列末尾。
df1.merge( df2, left_on='name1', right_on='name2', suffixes=('_1', '_2'))
append()
可用于兩個及多個 DataFrame
間行方向(沿 y
軸)的拼接操作,默認取并集。
使用方式
df1.append( other, ignore_index=False, verify_integrity=False, sort=False)
other
: 指定要添加的數(shù)據(jù)。DataFrame 或 Series 對象,或這些對象的列表
ignore_index
: 是否忽略索引,如果為 True,軸將被重置為 0, 1, …, n - 1。默認為False
verify_integrity
:如果為 True,則在創(chuàng)建具有重復(fù)項的索引時引發(fā) ValueError。默認為 False
sort
: 如果 df1 和 other 的列未對齊,則對列進行排序。默認為 False。
創(chuàng)建兩個 DataFrame
。
df1 = pd.DataFrame( [[1, 2], [3, 4]], columns=list('AB')) df2 = pd.DataFrame( [[5, 6], [7, 8]], columns=list('BC'))
append()
在默認情況下會沿y軸垂直拼接兩個 DataFrame
,df1
,df2
交集外的列填充 NaN
。
df1.append(df2)
將 ignore_index
設(shè)置為 True,來達到重置軸的索引。
df1.append(df2, ignore_index=True)
join()
用于兩個及多個 DataFrame
間列方向(沿 x
軸)的拼接操作,默認左拼接。
使用方式
df1.join( other, on=None, how='left', lsuffix='', rsuffix='', sort=False)
other
:指定要添加的數(shù)據(jù)。DataFrame 或 Series 對象,或這些對象的列表
on
:連接的列,默認使用索引連接
how
:{‘left', ‘right', ‘outer', ‘inner'}, 默認為 ‘left',連接的方式
lsuffix
:默認為空字符串,表示df1中重復(fù)列的后綴
rsuffix
:other中重復(fù)列的后綴
sort
:按照字典順序?qū)Y(jié)果在連接鍵上排序。如果為False,連接鍵的順序取決于連接類型(關(guān)鍵字)。
創(chuàng)建兩個 DataFrame
。
df1 = pd.DataFrame( {'A': ['A0', 'A1', 'A2', 'A3', 'A4'], 'val': ['V0', 'V1', 'V2', 'V3', 'V4']}) df2 = pd.DataFrame( {'B': ['B3', 'B4', 'B5'], 'val': ['V3', 'V4', 'V5']})
如果我們想使用 val
列進行連接,我們需要將 val
設(shè)置為 df1
和 df2
中的索引。
df1.set_index('val').join( df2.set_index('val'))
使用 val
列連接的另一個方法是指定 on
參數(shù)。 df1.join
只能使用 df2
的索引,但可以使用 df1
中的任何列。所以可以只將 df2
中的 val
列轉(zhuǎn)為索引,并通過 on
參數(shù)指定 df1
的連接列為 val
。
df1.join( df2.set_index('val'), on='val')
使用外連接的方式連接 df1
,df2
df1.join( df2.set_index('val'), on='val', how='outer')
到此,關(guān)于“Python中Pandas數(shù)據(jù)合并方法有哪些”的學習就結(jié)束了,希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習,快去試試吧!若想繼續(xù)學習更多相關(guān)知識,請繼續(xù)關(guān)注億速云網(wǎng)站,小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。