DataFrame数据合并实现（merge，join，concat）merge
merge 函数通过⼀个或多个键将数据集的⾏连接起来。
场景：针对同⼀个主键存在的两张包含不同特征的表，通过主键的链接，将两张表进⾏合并。合并之后，两张表的⾏数不增加，列数是两张表的列数之和。
def merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=False,
suffixes=('_x', '_y'), copy=True, indicator=False,
validate=None):
参数描述
how数据融合的⽅法，从在不重合的键，⽅式（inner、outer、left、right）
on⽤来对齐的列名，⼀定要保证左表和右表存在相同的列名。
left_on左表对齐的列，可以是列名。也可以是DataFrame同长度的arrays
right_on右表对齐的列，可以是列名。
left_index将左表的index⽤作连接键
right_index将右表的index⽤作连接键
suffixes左右对象中存在重名列，结果区分的⽅式，后缀名。
copy默认：True。将数据复制到数据结构中，设置为False提⾼性能。
特性⽰例(1)
默认：以重叠的列名当作连接键
df1 = pd.DataFrame({'key': ['one', 'two', 'two'],
'data1': np.arange(3)})
df2 = pd.DataFrame({'key': ['one', 'three', 'three'],
'data2': np.arange(3)})
df3 = pd.merge(df1, df2)
print(df1)
print(df2)
print(df3)
key data1
0 one  0
1 two  1
2 two  2
key data2
0  one  0
1 three  1
2 three  2
key data1 data2
0 one  0  0
特性⽰例(2)
默认：做inner连接，取key的交集merge函数
连接⽅式还有left right outer
df1 = pd.DataFrame({'key': ['one', 'two', 'two'],
'data1': np.arange(3)})
df2 = pd.DataFrame({'key': ['one', 'three', 'three'],
'data2': np.arange(3)})
df3 = pd.merge(df1, df2)
df4 = pd.merge(df1, df2, how='left')
print(df3)
print(df4)
key data1 data2
0 one  0  0
key data1 data2
0 one  0  0.0
1 two  1  NaN
2 two  2  NaN
特性⽰例(3)
多键连接时将连接键做成列表传⼊。
on默认是两者同时存在的列
df1 = pd.DataFrame({'key': ['one', 'two', 'two'],
'value': ['a', 'b', 'c'],
'data1': np.arange(3)})
df2 = pd.DataFrame({'key': ['one', 'two', 'three'],
'value': ['a', 'c', 'c'],
'data2': np.arange(3)})
df5 = pd.merge(df1, df2)
df6 = pd.merge(df1, df2, on=['key', 'value'], how='outer')
print(df5)
print(df6)
key value data1 data2
0 one  a  0  0
1 two  c
2  1
key value data1 data2
0  one  a  0.0  0.0
1  two  b  1.0  NaN
2  two  c  2.0  1.0
3 three  c  NaN  2.0
特性⽰例(4)
两个对象的列名不同，需要分别制定。
df7 = pd.merge(df1, df2, left_on=['key1','data1'], right_on=['key2','data2'], how='outer') print(df7)
key1 value_x data1  key2 value_y data2
0 one    a  0.0  one    a  0.0
1 two    b  1.0  two    c  1.0
2 two    c  2.0  NaN  NaN  NaN
3 NaN  NaN  NaN three    c  2.0
join
join⽅法将两个DataFrame中不同的列索引合并成为⼀个DataFrame 参数的意义与merge基本相同，只是join⽅法默认左外连接how=left def join(self, other, on=None, how='left', lsuffix='', rsuffix='',
sort=False):
⽰例
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A1'],
'B': ['B0', 'B1', 'B2']},
index=['K0', 'K1', 'K2'])
df2 = pd.DataFrame({'C': ['C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2']},
index=['K0', 'K1', 'K3'])
df3 = df1.join(df2)
df4 = df1.join(df2, how='outer')
df5 = df1.join(df2, how='inner')
print(df3)
print(df4)
print(df5)
A  B  C  D
K0 A0 B0  C1  D0
K1 A1 B1  C2  D1
K2 A1 B2 NaN NaN
A  B  C  D
K0  A0  B0  C1  D0
K1  A1  B1  C2  D1
K2  A1  B2 NaN NaN
K3 NaN NaN  C3  D2
A  B  C  D
K0 A0 B0 C1 D0
K1 A1 B1 C2 D1
concat
制定按某个轴进⾏连接（可横向可纵向），也可以指定连接⽅法。
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):
属性描述
objs合并的对象集合。可以是Series、DataFrame axis合并⽅法。默认0，表⽰纵向，1横向
join默认outer并集，inner交集。只有这两种
join_axes按哪些对象的索引保存
ignore_index默认Fasle忽略。是否忽略原index
keys为原始DataFrame添加⼀个键，默认⽆
⽰例(1)
s1 = pd.Series(['a', 'b'])
s2 = pd.Series(['c', 'd'])
s3 = pd.concat([s1, s2])
s4 = pd.concat([s1, s2], ignore_index=True)
print(s3)
print(s4)
0  a
1  b
dtype: object
0  c
1  d
dtype: object
0  a
1  b
0  c
1  d
dtype: object
0  a
1  b
2  c
3  d
dtype: object
⽰例（2）
df1 = pd.DataFrame([['a', 1], ['b', 2]], columns=['A', 0])
df2 = pd.DataFrame([['a', 1], ['b', 2]], columns=['B', 0])
df3 = pd.concat([df1, df2], join='inner')
print(df3)
0 1
1 2
0 1
1 2
⽰例（3）
df1 = pd.DataFrame([['a', 1], ['b', 2]], columns=['A', 0])
df2 = pd.DataFrame([['a', 1], ['b', 2]], columns=['B', 0])
df3 = pd.concat([df1, df2], axis=1, join_axes=[df1.index])
print(df3)
A 0
B 0
0 a 1 a 1
1 b
2 b 2
append
横向和纵向同时扩充，不考虑columns和index
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A1'],
'B': ['B0', 'B1', 'B2']},
index=['K0', 'K1', 'K2'])
s2 = pd.Series(['X0','X1'], index=['A','B'])
result = df1.append(s2, ignore_index=True)
print(result)
A  B
K0 A0 B0
K1 A1 B1
K2 A1 B2
A  B
0 A0 B0
1 A1 B1
2 A1 B2
3 X0 X1
汇总
concat：可以沿⼀条轴将多个对象连接到⼀起
merge：可以根据⼀个或多个键将不同的DataFrame中的⾏连接起来。
join：inner是交集，outer是并集。
到此这篇关于DataFrame 数据合并实现(merge，join，concat)的⽂章就介绍到这了，更多相关DataFrame 数据合并内容请搜索以前的⽂章或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。