原创 原创 pandas合并总结task5

一、append与assign

append方法

1.利用序列添加行（必须指定name）
2.用DataFrame添加表

assign方法

该方法主要用于添加列，列名直接由参数指定

二、combine与update

comine方法

comine和update都是用于表的填充函数，可以根据某种规则填充
combine方法是按照表的顺序轮流进行逐列循环的，而且自动索引对齐，缺失值为NaN

update方法

三个特点
1.返回的框索引只会与被调用框的一致（默认使用左连接，下一节会介绍）¶
2.第二个框中的nan元素不会起作用
3.没有返回值，直接在df上操作

三、concat方法

concat方法可以在两个维度上拼接，默认纵向凭借（axis=0），拼接方式默认外连接
所谓外连接，就是取拼接方向的并集，而’inner’时取拼接方向（若使用默认的纵向拼接，则为列的交集）的交集

pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None,
          levels=None, names=None, verify_integrity=False, copy=True)

参数：
objs：需要连接的对象
axis：连接的轴向，默认为0
join：按交集（inner）或者并集（outer）进行合并
ignore_index：默认为false，如果为true，则不使用轴上的索引
keys：使用传递的键作为最外层来构造层次索引
level：用于构造多索引的特定级别(惟一值)
names：结果层次索引中级别的名称。
verify_integrity：检查新连接的轴是否包含重复项

四、merge与join

merge函数

merge函数的作用是将两个pandas对象横向合并，遇到重复的索引项时会使用笛卡尔积，默认inner连接，可选left、outer、right连接
所谓左连接，就是指以第一个表索引为基准，右边的表中如果不再左边的则不加入，如果在左边的就以笛卡尔积的方式加入
merge/join与concat的不同之处在于on参数，可以指定某一个对象为key来进行连接

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,
         validate=None)

参数：
how：合并方式，‘left’, ‘right’, ‘outer’, ‘inner’
on：要连接的列或索引级名称

join函数

join函数作用是将多个pandas对象横向拼接，遇到重复的索引项时会使用笛卡尔积，默认左连接，可选inner、outer、right连接

left.join(right, on=key_or_keys)