合并数据 - 方法总结(concat、append、merge、join、combine_first)- Python代码

本文介绍了Python数据分析中常用的五种数据合并方法:concat、append、merge、join和combine_first。通过实例展示了它们在横向堆叠、纵向堆叠、主键合并和重叠合并等场景的应用,帮助理解如何根据业务需求选择合适的数据合并方式。
摘要由CSDN通过智能技术生成

描述

分析一个业务的时候往往涉及到很多数据,比如企业融资信息、投资机构信息、行业标签、招聘数据、政策数据等,这些数据分别存储在不同的表中。通过堆叠合并和主键合并等多种合并方式,可以将这些表中需要的数据信息合并在一张表中供分析使用。

合并方法

  1. 堆叠合并:横向堆叠,纵向堆叠;
  2. 主键合并;
  3. 重叠合并;

堆叠合并

堆叠合并就是简单的把两个表拼在一起,分为横向堆叠和纵向堆叠。

横向堆叠

横向堆叠就是指将后一个表的数据堆叠到前一个表的后几列,可以使用 concat 函数完成。

concat 函数基本语法

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

objs:表示需要合并的表的组合[d1, d2],接收多个Series, DataFrame, Panel 的组合,无默认;

axis:默认为0,axis=0表示做列对齐,列名一致的话,将后表数据添加到前表的下几行;

                          axis=1表示做行对齐,行标签一致的话,将后表的数据添加到前表的后几列;

join:默认为outer,接收‘inner’或‘outer’,表示取交集或并集;

其他参数相对不是那么常用,有兴趣的可以参考:concat函数的常用参数及说明

Python代码

# -*- coding=utf-8 -*-
import pandas as pd
import numpy as np
from pandas import DataFrame,Series
import math

#导入数据
eventfile = u'D:\\pythondata\\yuchuli\\event.xlsx'#投融资事件
event = pd.read_excel(eventfile)
event = DataFrame(event)

eventbufile = u'D:\\pythondata\\yuchuli\\event_bu.xlsx'#投融资事件补充数据
event_bu = pd.read_excel(eventbufile)
event_bu = DataFrame(event_bu)

#合并文件
event_1 = pd.concat([event, event_bu], axis = 1, join='outer', sort=False)
event_2 = pd.concat([event, event_bu], axis = 0, join='outer', sort=False)
e
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值