数据合并、拼接
Pandas包的merge、join、concat方法可以完成数据的合并和拼接,merge方法主要基于两个dataframe的共同列进行合并,join方法主要基于两个dataframe的索引进行合并,concat方法是对series或dataframe进行行拼接或列拼接。
一、数据合并
1、merge
pandas的merge方法是基于共同列,将两个dataframe连接起来。merge方法的主要参数:
pd.merge(left,right,how="inner", on=None,left_on = None,right_on = None,left_index = False, right_index = False, shuffle=("_x","_y"),copy=True,indicator=False,validate =None)
- left/right:左/右位置的dataframe。
- how:数据合并的方式。left:基于左dataframe列的数据合并;right:基于右dataframe列的数据合并
- outer:基于列的数据外合并(取并集);inner:基于列的数据内合并(取交集);默认为’inner’。
- on:用来合并的列名,这个参数需要保证两个dataframe有相同的列名。
- left_on/right_on:左/右dataframe合并的列名,也可为索引,数组和列表。
- left_index/right_index:是否以index作为数据合并的列名,True表示是。
- sort:根据dataframe合并的keys排序,默认是。
- suffixes:若有相同列且该列没有作为合并的列,可通过suffixes设置该列的后缀名,一般为元组和列表类型;如果列有重名,自动添加后缀,默认是("_x","_y")。
merges通过设置how参数选择两个dataframe的连接方式,有内连接,外连接,左连接,右连接。
(1) 内连接 inner
how=‘inner’,dataframe的链接方式为内连接,我们可以理解基于共同列的交集进行连接,参数on设置连接的共有列名;
左右的表的数据都有,才会出现在结果里
# 单列的内连接
#定义数据
df1 = pd.DataFrame({
'alpha':['A','B','B','C','D','E'],'col1':[1,1,2,3,3,1],
'col2':['low','medium','medium','high','low','high']})
#定义df2
df2 = pd.DataFrame({
'alpha':['A','A','B','F'],'pazham':['apple','orange','pine','pear'],
'kilo':['high','low','high','medium'],'price':np.array([5,6,5,7])})
print(df1)
print(df2)
打印的数据为:
alpha col1 col2 alpha pazham kilo price
0 A 1 low 0 A apple high 5
1 B 1 medium 1 A orange low 6
2 B 2 medium 2 B pine high 5
3 C 3 high 3 F pear medium 7
4 D 3 low
5 E 1 high
#基于共同列alpha的内连接
df3 = pd.merge(df1,df2,how='inner',on='alpha')
print(df3)
#输出结果:取共同列alpha值的交集进行连接
alpha col1 col2 pazham kilo price
0 A 1 low apple high 5
1 A 1 low orange low 6
2 B 1 medium pine high 5
3 B 2 medium pine high 5
(2) 外连接
how=‘outer’,dataframe的链接方式为外连接,我们可以理解基于共同列的并集进行连接,参数on设置连接的共有列名;
左右两表的所有数据都会出现在结果里面,无法匹配则为NaN
df3 = pd.merge(df1,df2,how='outer',on='alpha')
print(df3)
# 输出结果:若两个dataframe间除了on设置的连接列外并无相同列,则该列的值置为NaN。
alpha col1 col2 pazham kilo price
0 A 1.0 low apple high 5.0
1 A 1.0 low orange low 6.0
2 B 1.0 medium pine high 5.0
3 B 2.0 medium pine high 5.0
4 C 3.0 high NaN NaN NaN
5 D 3.0