科学数据库(Pandas)——第四节数据合并之join和merge

最新推荐文章于 2022-08-14 23:08:23 发布

Lucky20171225

最新推荐文章于 2022-08-14 23:08:23 发布

阅读量359

点赞数

分类专栏： python数据科学库

本文链接：https://blog.csdn.net/qq_42119837/article/details/113151306

版权

python数据科学库专栏收录该内容

11 篇文章 0 订阅

订阅专栏

数据合并之join

join:默认情况下他是把行索引相同的数据合并到一起（合并后的数据的行根据join前面的数组行索引）

In [16]: t1
Out[16]:
     x    y    z
A  0.0  0.0  0.0
B  0.0  0.0  0.0
C  0.0  0.0  0.0

In [19]: t3
Out[19]:
     w    e    r
A  1.0  1.0  1.0
B  1.0  1.0  1.0

In [20]: t1.join(t3)
Out[20]:
     x    y    z    w    e    r
A  0.0  0.0  0.0  1.0  1.0  1.0
B  0.0  0.0  0.0  1.0  1.0  1.0
C  0.0  0.0  0.0  NaN  NaN  NaN

In [21]: t3.join(t1)
Out[21]:
     w    e    r    x    y    z
A  1.0  1.0  1.0  0.0  0.0  0.0
B  1.0  1.0  1.0  0.0  0.0  0.0

数据合并之merge

merge:按照指定的列索引把数据按照一定的方式合并到一起

语法：

pd.merge(df1, df2, how= 'inner', on=None, left_on=None, right_on=None, left_index = False, right_index = False, sort = False, suffixes=('_x', '_y'), copy = True, indicator = False, validate=None)

参数详解：

df1:待拼接的左侧数据
df2:待拼接的右侧数据
how：左右两个数据框的连接方式。可选‘left’、‘right’、‘outer’、‘inner’，默认为inner。
on：左右两个待拼接数据框有共同列名，且按该列拼接两个数据框时使用该参数。
left_on：拼接两个数据框时，左数据框对应连接关键字(可为列表)。
right_on：拼接两个数据框时，右数据框对应连接关键字(可为列表)。
left_index：若为True，则按左数据框的索引连接两个数据框。
right_index：若为True，则按右数据框的索引连接两个数据框。
sort：按字典顺序通过连接键对结果数据框进行排序。
suffixes：为左右数据框中重复列名定义后缀。默认加('x','y')。

练习：

1.以默认的方式连接两个数据框（在没有指定连接键的时候，会按照相同的列索引name作为连接键,，即等价于on=‘name’；默认参数how是inner内连接，取两侧数据的交集）

In [34]: pd.merge(df1,df2)
Out[34]:
    name    tel  age
0  zhang  10000   30

2.左连接 how=left (左侧df1取全部数据，右侧df2匹配左侧数据，没有的用NaN填充。默认情况下还是on=‘name’）

In [35]: pd.merge(df1,df2,how="left")
Out[35]:
    name    tel   age
0   zhao  10086   NaN
1   qian  10010   NaN
2  zhang  10000  30.0

3.右连接 how=right (右侧df2取全部数据，左侧df1匹配右侧数据，没有的用NaN填充。默认情况下还是on=‘name’）

In [36]: pd.merge(df1,df2,how="right")
Out[36]:
    name      tel  age
0  zhang  10000.0   30
1     li      NaN   20

以上3种情况都是属于内连接

4.外连接 how=outer （取左右连接的并集，保留所有信息）

In [37]: pd.merge(df1,df2,how="outer")
Out[37]:
    name      tel   age
0   zhao  10086.0   NaN
1   qian  10010.0   NaN
2  zhang  10000.0  30.0
3     li      NaN  20.0

5. 以index做为连接键 (若两个数据框除连接键外，还有相同列名，默认左侧数据框中的相同列名后加_x，右侧数据框中相同列名后加_y，见上图中的name_x和name_y。)

In [38]: pd.merge(df1, df2, how= 'inner',left_index=True,right_index=True)
Out[38]:
  name_x    tel name_y  age
0   zhao  10086     li   20
1   qian  10010  zhang   30

从上面可以发现两个DataFrame中都有name列，merge合并之后，pandas会自动在后面加上（_x,_y）来区分，我们也可以通过设置suffixes来设置名字。

In [47]: pd.merge(df1, df2, how= 'inner',left_index=True,right_index=True,suffixes=("_df1","_df2"))
Out[47]:
  name_df1    tel name_df2  age
0     zhao  10086       li   20
1     qian  10010    zhang   30

6.用sort对连接键值进行排序

In [49]: pd.merge(df1,df2,how= 'outer',sort="True")
Out[49]:
    name      tel   age
0     li      NaN  20.0
1   qian  10010.0   NaN
2  zhang  10000.0  30.0
3   zhao  10086.0   NaN