Pandas库：从入门到应用(三)——多表数据连接

Hub-Link

已于 2023-07-29 11:00:10 修改

阅读量3.1k

点赞数 1

文章标签： pandas python 数据分析

于 2023-04-15 22:26:14 首次发布

本文链接：https://blog.csdn.net/NC_NE/article/details/130176393

版权

本文深入探讨了Pandas库中的数据连接，包括concat函数的行、列连接，详细阐述了不同连接模式的用法。此外，还介绍了如何使用insert函数在DataFrame中插入数据，以及merge函数实现SQL风格的内、外连接操作。

摘要由CSDN通过智能技术生成

一、concat数据连接

1.1、concat()函数参数

pd.concat(objs, axis=0, join='outer', ignore index=False, keys=None, levels=None, names=Noneverify integrity=False, sort= False, copy=True)

objs：多个 DataFrame 或者 Series
axis：0-行拼接 1-列拼接
join：{‘inner’，'outer’}，其他轴上的数据是按交集 (inner) 还是并集 (outer) 进行合并inner
ignore_index：布尔类型，是否保留原表索引
keys：列表，使用传递的键作为最外层级别来构造层次结构索引，就是给每个表指定一个一级索引
levels：列表，用于构造Multilndex的特定级别
names：列表，索引的名称，包括多层索引
verify_integrity：布尔类型，参数为True时，如果合并的数据与原数据包含索引相同的行，将报错
sort：布尔类型，对非连接轴进行排序
copy：布尔类型，是否进行深拷贝

1.2、行连接

1.2.1、数据准备

import numpy as np
import pandas as pd

df1 = pd.DataFrame(data=np.random.randint(1,151,size=(5,4))
                  ,columns=['Python','Math','English','Chinese']
                  ,index=list('abcde'))
df1