怎么使用Python中的DataFrame合并和連接數(shù)據(jù)

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，下面我們一起來看看這篇“怎么使用Python中的DataFrame合并和連接數(shù)據(jù)”文章吧。

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，也可以通過索引來合并，即以index列為基準(zhǔn)。將left_index 和 right_index 都設(shè)置為True
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 )

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)）

使用來自兩個(gè)數(shù)據(jù)集的鍵的交集

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

outer

使用來自兩個(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(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，使用來自兩個(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)

其他重要參數(shù)通過實(shí)例說明。

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(shí)，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(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，請關(guān)注億速云行業(yè)資訊頻道。