系列文章目录
基础操作(四): dataFrame 数据拼接merge、join、concat、append
前言
Pandas.DataFrame操作表连接有三种方式:merge, join, concat,append,
下面详细解释这几个方法的使用。
dataFrame 数据拼接的方法:
1. merge()
df.merge(): 可以根据一个或多个键将不同DataFrame中的行连接起来,类似于数据库中的join方法。
参数说明:
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)
left,right:需要拼接的两个数据
how:拼接方式,inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
on:用于连接列索引名称
left_on:左则DataFrame中用作连接键的列名;这个参数中左右列名不相同,但代表的含义相同时非常有用。
right_on:右则DataFrame中用作 连接键的列名
left_index:使用左则DataFrame中的行索引做为连接键,用到这个参数时,就有点类似于接下来要说的JOIN函数了。
right_index:使用右则DataFrame中的行索引做为连接键
sort:默认为True,将合并的数据进行排序。在大多数情况下设置为False可以提高性能
suffixes:字符串值组成的元组,用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称,默认为('_x','_y')
copy:默认为True,总是将数据复制到数据结构中;大多数情况下设置为False可以提高性能
indicator:在 0.17.0中还增加了一个显示合并数据中来源情况;如只来自己于左边(left_only)、两者(both)
特点:
- 默认以重叠列名当做链接键
- 默认是INNER JOIN。
- 可以多键连接,'on’参数后传入多键列表即可
- 如果两个对象的列表不同,可以用left_on, right_on指定。
- 也可以用行索引当连接键,使用参数left_index=True, right_index=True. 但是这种情况下最好用JOIN
df_2 = pd.DataFrame({'key':['a','b','b'], 'data1':range(3)})
df_1 = pd.DataFrame({'key':['a','b','c'],'data':range(3)})
df_2
key data1
0 a 0
1 b 1
2 b 2
df_1
key data
0 a 0
1 b 1
2 c 2
pd.merge(df_2,df_1) # 默认为inner
key data1 data
0 a 0 0
1 b 1 1
2 b 2 1
pd.merge(df_1,df_2,how='left') # 左连接,无数据补空,同outer
key data data1
0 a 0 0.0
1 b 1 1.0
2 b 1 2.0
3 c 2 NaN
pd.merge(df_1,df_2,how='right') # 同inner
key data data1
0 a 0 0
1 b 1 1
2 b 1 2
# merge 多个键连接
df_1['key1'] = [1,1,2]
df_2['key1'] = [1,3,3]
pd.merge(df_1,df_2,on=['key1','key']) #按照key1和key的值合并
key data key1 data1
0 a 0 1 0
# 列名不同合并
pd.merge(df_1,df_2,left_on='data',right_on='key1') # 相同重复类的名字加 _x 和_y 后缀
key_x data key1_x key_y data1 key1_y
0 b 1 1 a 0 1
2. Join()
join 连接主要是列索引上的合并,join默认为左连接,只能操作DataFrame,Series没有该方法
left.join(right, on=key_or_keys)
- df1.join(df2):列名没有重复,可以直接使用
- df1.join(df2,lsuffix=’_l’, rsuffix=’_r’):列名重复时需要指定lsuffix和rsuffix
- on 可以多列设置
特点:
4. 按照行对数据进行拼接,两个df可以是不同的长度,拼接后和左边的数据长度保持一直。
5. df1和df2合并的列名不同,但是值相同:df1.join(df2.set_index('列名’of df2),on=df1的‘列名’)
例子1:# 左侧长度为3
df = pd.DataFrame({'a':[1,2,34]})
dff = df.join(pd.DataFrame({'b':[11,22]}))
dff
Out[11]:
a b
0 1 11.0
1 2 22.0
2 34 NaN
例子2:# 左侧长度为2
df = pd.DataFrame({'a':[1,2]})
dff = df.join(pd.DataFrame({'b':[11,22,33]}))
dff
Out[14]:
a b
0 1 11
1 2 22
3.append()
append 相当与concat的简易操作, 行上的拼接(axis=0),需要列的名称相同
df_3 = pd.DataFrame({'a':range(3),'b':range(3),'c':range(3)})
df_3
a b c
0 0 0 0
1 1 1 1
2 2 2 2
df_4 = pd.DataFrame({'a':range(3),'b':range(3),'c':range(3)})
df_4
a b c
0 0 0 0
1 1 1 1
2 2 2 2
df_4.index=[4,5,6]
df_4
a b c
4 0 0 0
5 1 1 1
6 2 2 2
df_3.append(df_4) # 列名相同,直接行拼接
a b c
0 0 0 0
1 1 1 1
2 2 2 2
4 0 0 0
5 1 1 1
6 2 2 2
4. concat()
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False,
copy=True)
1、aixs=0 行拼接,效果与obj1.append(obj2)是相同的
2、ignore_index=False 是否忽略索引而重建
3、join “inner”:列的交集 “outer”:列的并集
concat是轴向链接,关键在与axis,axis=0表示列操作,axis=1 行操作,默认为0
df = pd.concat([df1,df2],axis=1),[df1,df2,df3]可以一次实现多个df合并。
pd.concat([df1, df2], axis=0, ignore_index=True):行合并,ignore_index=True,重新设置行索引。列合并ignore_index=True,columns重新排序。默认为False
备注:列合并需要index相同,行合并需要columns相同。