Pyhton科学计算工具Pandas（七）—— 数据的合并，连接与修补

最新推荐文章于 2024-01-10 08:24:03 发布

一窗星乱银河静

最新推荐文章于 2024-01-10 08:24:03 发布

阅读量547

点赞数

分类专栏： python学习笔记数据分析文章标签： pandas python 数据处理

本文链接：https://blog.csdn.net/ICERON/article/details/79733288

版权

Pyhton科学计算工具Pandas（七）—— 数据的合并，连接与修补

合并 .merge()和.join()

.merge()

Pandas具有全功能的，高性能内存中连接操作，与SQL等关系数据库非常相似

pd.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)

基本用法

# merge合并 → 类似excel的vlookup


df1 = pd.DataFrame({
  'key': ['K0', 'K1', 'K2', 'K3'],
                     'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({
  'key': ['K0', 'K1', 'K2', 'K3'],
                      'C': ['C0', 'C1', 'C2', 'C3'],
                      'D': ['D0', 'D1', 'D2', 'D3']})
df3 = pd.DataFrame({
  'key1': ['K0', 'K0', 'K1', 'K2'],
                    'key2': ['K0', 'K1', 'K0', 'K1'],
                    'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3']})
df4 = pd.DataFrame({
  'key1': ['K0', 'K1', 'K1', 'K2'],
                    'key2': ['K0', 'K0', 'K0', 'K0'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})
print(df1,'\n',df2)
print(pd.merge(df1,df2,on='key'))
print('------')
# left：第一个df
# right：第二个df
# on：参考键

print(pd.merge(df3,df4,on=['key1','key2']))
# 多个参考键

    A   B key
0  A0  B0  K0
1  A1  B1  K1
2  A2  B2  K2
3  A3  B3  K3 
     C   D key
0  C0  D0  K0
1  C1  D1  K1
2  C2  D2  K2
3  C3  D3  K3
    A   B key   C   D
0  A0  B0  K0  C0  D0
1  A1  B1  K1  C1  D1
2  A2  B2  K2  C2  D2
3  A3  B3  K3  C3  D3
------
    A   B key1 key2   C   D
0  A0  B0   K0   K0  C0  D0
1