Pandas concat和merge合并

2020-05-17 20:01:37 阅读：305 来源： 互联网

标签：None right merge K0 result pd Pandas concat left

1、pd.concat实现数据合并

def concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
           keys=None, levels=None, names=None, verify_integrity=False,
           sort=None, copy=True):
# objs: series，dataframe或者是panel构成的序列lsit
# axis： 需要合并的轴，0是行，1是列
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                   'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 1, 2, 3])


df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                   'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                     index=[4, 5, 6, 7])

frames = [df1, df2]
result = pd.concat(frames,axis=0)
print(result)
 # join：连接的方式 inner，或者outer
# inner交集 or outer并集，在并集上原来没有元素的片上用np.nan填充
# keys属性，指定数据来自哪一个分片
result = pd.concat(frames, keys=['x', 'y'])
print(result)
# 指定具体用哪个分片的index合并
result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

2、pd.merge

def merge(left, right, how='inner', on=None, left_on=None, right_on=None,
         left_index=False, right_index=False, sort=True,
         suffixes=('_x', '_y'), copy=True, indicator=False,
         validate=None):
# left，right：需要merge的DataFrame对象
# how：jion的方式，inner（默认），outer，left（左边对象的key），或者right
# on：jion用来对齐的那一列的名字,Columns (names) to join on. Must be found in both the left and right DataFrame objects.
# left_on=None, right_on=None：指定左右键

left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
                        'key2': ['K0', 'K1', 'K0', 'K1'],
                        'A': ['A0', 'A1', 'A2', 'A3'],
                        'B': ['B0', 'B1', 'B2', 'B3']})

right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
                        'key2': ['K0', 'K0', 'K0', 'K0'],
                        'C': ['C0', 'C1', 'C2', 'C3'],
                        'D': ['D0', 'D1', 'D2', 'D3']})

2.1、内连接，默认为内连接

# 默认内连接
result = pd.merge(left, right, on=['key1', 'key2'])    # 交集

2.2、左连接

result = pd.merge(left, right, how='left', on=['key1', 'key2'])

2.3、右连接

result = pd.merge(left, right, how='right', on=['key1', 'key2'])

2.4、外链接

result = pd.merge(left, right, how='outer', on=['key1', 'key2'])    # 并集

3、pd.join

left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2'],
                    "key":['K0', 'K1', 'K2']})

right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                     index=['K0', 'K2', 'K3'])

# 默认内连接
result = left.join(right,on="key")
print(result)
# 等同于如下
result = pd.merge(left, right, left_on='key', right_index=True,how='left', sort=False)
print(result)

详细链接：https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html

标签：None,right,merge,K0,result,pd,Pandas,concat,left
来源： https://www.cnblogs.com/caijunchao/p/12906588.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9