笔记：利用Python进行数据分析 第7章

数据规整化：清理、转换、合并、重塑

7.1 合并数据集

内置方式：
pandas.merge 可根据一个或多个键将不同DataFrame中的行连接起来。
pandas.concat 可以沿着一条轴将多个对象堆叠到一起。
实例方法combine_first 可以将重复数据编接在一起，用一个对象中的值填充另一个对象中的缺失值。

7.1.1 数据库风格的DataFrame合并

多对一的合并

如果两个对象的列名不同，可以分别进行指定：

默认情况下，merge做的是"inner"连接；结果中的键是交集。
其他方式还有"left"、“right"以及"outer”。

外连接求取的是键的并集，组合了左连接和右连接的效果：

多对多的合并

多对多连接产生的是行的笛卡尔积。连接方式只影响出现在结果中的键。

多个键的合并

传入一个由列名组成的列表即可：


结果中会出现哪些键组合取决于所选的合并方式。
警告： 在进行列－列连接时，DataFrame对象中的索引会被丢弃。

重复列名的处理

merge有个实用的suffixes选项，用于指定附加到左右两个DataFrame对象的重叠列名上的字符串：

merge的参数

7.1.2 索引上的合并

有时候，DataFrame中的连接键位于其索引中。在这种情况下，可以传入left_index=True或right_index=True（或两个都传）以说明索引应该被用作连接键：

层次化索引的合并

必须以列表的形式指明用作合并键的多个列（注意对重复索引值的处理）：

合并双方的索引

join实例方法

更为方便地实现按索引合并。还可用于合并多个带有相同或相似索引的DataFrame对象，而不管它们之间有没有重叠的列：

支持参数DataFrame的索引跟调用者DataFrame的某个列之间的连接：

对于简单的索引合并，还可以向join传入一组DataFrame：

7.1.3 轴向连接

另一种数据合并运算也被称作连接（concatenation）、绑定（binding）或堆叠（stacking）。

NumPy有一个用于合并原始NumPy数组的concatenation函数：

对于pandas对象（如Series和DataFrame），带有标签的轴能够进一步推广数组的连接运算。pandas的concat函数提供了这种方式，调用concat可以将值和索引粘合在一起：

默认情况下，concat是在axis=0上工作的。

传入join='inner’可得到交集：

可以通过join_axes指定要在其他轴上使用的索引：

使用keys参数即可在连接轴上创建一个层次化索引：