一、介绍
数据挖掘需要的数据往往分布在不同的数据集中,数据集成就是将多个数据集合并放在一个一致的数据存储中的过程。
对于DataFrame来说,它的连接有时候是通过索引的。
三、代码示例
# coding: utf-8
# In[2]:
from pandas import DataFrame
import pandas as pd
import numpy as np
###dataframe合并
#1
df1 = DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'],'data1': range(7)})
df2 = DataFrame({'key': ['a', 'b', 'd'],'data2': range(3)})
df1
# In[8]:
df2
# In[9]:
pd.merge(df1,df2)
# In[10]:
#默认重叠列名当作键,如果有多个重叠的列名,就会将多个列名当作键;
#如果不希望把多个列名当作键,可以用on指定。
pd.merge(df1,df2,on='key')
# In[12]:
df3 = DataFrame({'lkey': ['b', 'b', 'a', 'c', 'a', 'a', 'b'],
'data1': range(7)})
df4 = DataFrame({'rkey': ['a', 'b', 'd'],
'data2': range(3)})
df3
# In[13]:
df4
# In[14]:
#默认内连接,取交集
pd.merge(df3, df4, left_on='lkey', right_on='rkey')
# In[15]:
pd.merge(df1,df2,how='outer')
# In[16]:
df1 = DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'b'],
'data1': range(6)})
df2 = DataFrame({'key': ['a', 'b', 'a', 'b', 'd'],
'data2': range(5)})
df1
# In[17]:
df2
# In[18]:
pd.merge(df1, df2, on='key', how='left')
# In[19]:
pd.merge(df1, df2, on='key', how='right')
# In[20]:
p