【pandas 基本操作：数据合并】

pandas基本操作

第一章 数据清洗
第二章 数据合并
第三章 数据重塑
第四章 数据转换

---

---

前言

数据清洗是一项复杂且繁琐的工作，同时也是整个数据分析过程中最为重要的环节。

数据清洗的目的在于提高数据质量，将脏数据清洗干净，使原数据具有完整性、唯一性、权威性、合法性、一致性等特点

脏数据在这里指的是对数据分析没有实际意义、格式非法、不在指定范围内的数据。

---

提示：以下是本篇文章正文内容，下面案例可供参考

1. 轴向堆叠数据

concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似数据库中的数据表合并。

concat(objs,axis=0,join=‘outer’,join_axes=None,ignore_index=False,
keys=None,levels=None,names=None, ...)

• axis：表示连接的轴向，可以为0或1，默认为0。
• join：表示连接的方式，inner表示内连接，outer表示外连接，默认使用外连接。
• ignore_index：如果设置为True，清除现有索引并重置索引值。
• names：结果分层索引中的层级的名称。

根据轴方向的不同，可以将堆叠分成横向堆叠与纵向堆叠，默认采用的是纵向堆叠方式。

在堆叠数据时，默认采用的是外连接（join参数设为outer）的方式进行合并，当然也可以通过join=inner设置为内连接的方式。

外连接的方式求得是合集，内连接的方式求的是交集

当使用concat()函数合并时，若是将axis参数的值设为1，且join参数的值设为outer，代表着使用横向堆叠与外连接的方式进行合并。

当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner，则代表着使用纵向堆叠与内连接的方式进行合并。

2. 主键合并数据

主键合并类似于关系型数据库的连接方式，它是指根据一个或多个键将不同的DatFrame对象连接起来，大多数是将两个DatFrame对象中重叠的列作为合并的键。

Pandas中提供了用于主键合并的merge()函数。

pandas.merge(left, right, 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)

• left：参与合并的左侧DataFrame对象。
• right：参与合并的右侧DataFrame对象。
• how：表示连接方式，默认为inner。

how参数可以取下列值：

• left：使用左侧的DataFrame的键，类似SQL的左外连接。
• right：使用右侧的DataFrame的键，类似SQL的右外连接。
• outer：使用两个DataFrame所有的键，类似SQL的全连接。
• inner：使用两个DataFrame键的交集，类似SQL的内连接。

在使用merge()函数进行合并时，默认会使用重叠的列索引做为合并键，并采用内连接方式合并数据，即取行索引重叠的部分。

除此之外，merge()函数还支持对含有多个重叠列的DataFrame对象进行合并。

使用外连接的方式将left与right进行合并时，列中相同的数据会重叠，没有数据的位置使用NaN进行填充。

左连接是以左表为基准进行连接，所以left表中的数据会全部显示，right表中只会显示与重叠数据行索引值相同的数据，合并后表中缺失的数据会使用NaN进行填充。

右连接与左连接的规则正好相反，右连接是以右表为基准，右表中的数据全部显示，而左表中显示与重叠数据行索引值相同的数据，合并后缺失的数据使用NaN填充合并。

假设两张表中的行索引与列索引均没有重叠的部分，但依旧可以使用merge函数来合并，只需要将参数left_index与right_index的值设置为True即可。

3. 根据行索引合并数据

join()方法能够通过索引或指定列来连接多个DataFrame对象。

join(other,on = None,how ='left',lsuffix ='',rsuffix ='',sort = False )

• on：名称，用于连接列名。
• how：可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’,‘‘inner’’}中任选一个，默认使用左连接的方式。
• sort：根据连接键对合并的数据进行排序，默认为False。

4. 合并重叠数据

当DataFrame对象中出现了缺失数据，而我们希望使用其他DataFrame对象中的数据填充缺失数据，则可以通过combine_first()方法为缺失数据填充。

combine_first(other)

• 上述方法中只有一个参数other，该参数用于接收填充缺失值的DataFrame对象。

假设现在有left表与right表，其中left表中存在3个缺失的数据，而right表中的数据是完整的，并且right表与left表有相同的索引名，此时我们可以使用right表中的数据来填充left表的缺失数据，得到一个新的result表

转载于：https://edu.csdn.net/skill/python02/python-3-205?category=883&typeId=17523#21__284