Pandas多表操作

Pandas包对多个数据表（DataFrame）的常用整合功能。

merge
join
concat
append
combin_first

---

merge 合并

pandas.merge可根据一个或多个键将不同DataFrame中的行合并起来

# 在未指定连接键的情况下，merge会将重叠列的列名当做键
pd.merge(left, right)

# 指定“on”作为连接键，left和right两个DataFrame必须同时存在“on”列，连接键也可N对N（少用）
pd.merge(left, right, on="key")
pd.merge(left, right, on=["key1", "key2"])

# 指定left的连接键为“lkey”，right的连接键为“rkey”
pd.merge(left,  right,  left_on="lkey",  right="rkey")

# suffixes:用于追加到重叠列名的末尾，默认为("_x", "_y")
pd.merge(left,  right,  on="key",  suffixes=("_left",  "_right"))

# 指定连接方式：“inner”（默认），“left”，“right”，“outer”
pd.merge(left, right, how="outer")

多对多连接产生的是行的笛卡尔积
常用方式：连接方式为“left”，right的连接键要唯一（去除重复值），通过right的数据补全left的数据
索引上的合并（可用join代替，而且join更方便）

当DataFrame的连接键位于其索引中，可以使用 left_index=True 和 right_index=True

# 索引和索引连接
pd.merge(left,  right,  left_index=True,  right_index=True)

# "key"和索引连接
pd.merge(left,  right,  left_on="key",  right_index=True)

# 层次化索引
pd.merge(left,  right,  left_on=["key1", "key2"],  right_index=True)

join 连接

DataFrame的join实例方法，是为了方便实现索引合并

# 用left的索引和right的索引进行merge
left.join(right)

# 用left的索引和right的“key”进行merge
left.join(right， on="key")

# 层次化索引
left.join(right， on=["key1", "key"])

# join可以合并两张以上的表，而merge只能合并两张表
left.join([right1, right2], how="outer")

concat 轴向连接

pandas.concat可以沿着一条轴将多个表对象堆叠到一起：因为模式how模式是“outer”

# 默认 axis=0 上下拼接，列column重复的会自动合并
pd.concat([df1, df2], axis=0)

# axis=1 左右拼接，行raw/index重复的会自动合并
pd.concat([df1, df2], axis=1)

# 忽略df1和df2原来的index，重新给新的DataFrame设置从0开始的index
pd.concat([df1,df2],  ignore_index=True)

append

使用场景：表头一致的多张表，进行连接（上下连接）

df1.append(df2).append(df3)

combin_first 数据填补

使用场景：有两张表left和right，一般要求它们的表格结构一致，数据量也一致，使用right的数据去填补left的数据缺漏
如果在同一位置left与right数据不一致，保留left的数据

df1.combin_first(df2)