盘点 Pandas 中用于合并数据的 5 个最常用的函数!

本文介绍了Pandas中用于合并数据的五个关键函数:concat、join、merge、combine和append。通过实例解析了它们的用法和差异,包括按行、按列合并,索引连接,列操作,以及字典对象的附加。
摘要由CSDN通过智能技术生成

a4ba3368bda2e42ef2ed8cc9af9ead97.gif

作者:阿南 整理:小五

如何在Pandas合并数据,大家肯定都不陌生。

作为一个初学者,我发现自己学了很多,却没有好好总结一下。正好看到一位大佬 Yong Cui 总结的文章,我就按照他的方法,给大家分享用于Pandas中合并数据的 5 个最常用的函数。这样大家以后就可以了解它们的差异,并正确使用它们了。

8e8f3b42ee62d0671e7bdf5fc8e7312a.png

在文章开始之前,我们需要创建两个简单的 DataFrame 对象。

import pandas as pd
df0 = pd.DataFrame({"a": [1, 2, 3], "b": [4, 5, 6]})
df1 = pd.DataFrame({"c": [2, 3, 4], "d": [5, 6, 7]})
5bc6dc3cdfb6037b66a2a4720a0034ea.png

1、concat

concat 函数字面就是就是连接的意思,它可以帮我们横向或者纵向合并数据。

当你纵向合并数据时,需要将轴axis指定为0,这实际上也是默认值。

pd.concat([df0,
           df1.rename(columns={"c": "a", "d": "b"})],
          axis=0)
1ef6bc08cde085dfdffd4cd6e3825ab7.png

当你横向合并数据时,具体操作如下所示。

pd.concat([df0, df1], axis=1)
bbd910e1f972b9ec5faaa8c5eb81ee6b.png

默认情况下,当我们横向合并数据(沿列)时,Pandas其实是按照索引来连接的。当两者的索引不相同时,就会用 NaN 填充不重叠的&

PandasPython最受欢迎的模块之一,它在数据科学社区被广泛使用。它提供了许多常用函数来进行数据操作、清理和分析。以下是一些常用Pandas函数: 1. read_csv:用于从CSV文件读取数据并创建DataFrame。 2. head:返回DataFrame的前几行数据。 3. tail:返回DataFrame的后几行数据。 4. shape:返回DataFrame的行数和列数。 5. info:提供DataFrame的基本信息,包括列名、数据类型和非空值的数量。 6. describe:提供DataFrame数值列的统计摘要,包括计数、均值、标准差、最小值、25%分位数、50%分位数、75%分位数和最大值。 7. drop_duplicates:去除DataFrame的重复行。 8. isnull:检查DataFrame的缺失值。 9. fillna:填充DataFrame的缺失值。 10. dropna:删除DataFrame包含缺失值的行或列。 11. rename:重命名DataFrame的列名。 12. set_index:将DataFrame的列设置为索引。 13. reset_index:重置DataFrame的索引。 14. groupby:按照指定的列或多个列对DataFrame进行分组。 15. merge:根据指定的列将两个DataFrame合并为一个。 16. sort_values:按照指定的列对DataFrame进行排序。 17. apply:对DataFrame的每一列或每一行应用自定义函数。 18. plot:绘制DataFrame数据图形。 19. to_csv:将DataFrame保存为CSV文件。 20. drop:删除DataFrame的指定列或行。 这些常用函数可以帮助我们完成80%以上的任务,并且可以通过Pandas的文档进一步了解更多关于grouping、merging等参数较多且常用函数,这将对我们的工作有很大的帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [深度盘点:整理100个 Pandas 常用函数](https://blog.csdn.net/weixin_38037405/article/details/124054985)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [这20个Pandas函数一定要牢记,建议收藏!!](https://blog.csdn.net/weixin_43373042/article/details/129631001)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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

打赏作者

朱小五是凹凸君呀

感谢支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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