pandas数据的合并concat()和merge()

您所在的位置：网站首页 › pandas dataframe merge 并行性能 › pandas数据的合并concat()和merge()

pandas数据的合并concat()和merge()

2023-08-10 08:06| 来源: 网络整理| 查看: 265

import pandas as pd 轴向连接(concatenation): pd.concat() 可以沿一个轴将多个DataFrame对象连接在一起, 形成一个新的Dataframe对象融合（merging）：pd.merge()方法可以根据一个或多个键将不同DataFrame中的行连接起来。 concat() 轴向连接

concat() 函数可以将数据根据不同的轴作进行合并

pd.concat(objs, axis=0, join='outer')

objs: series、dataframe或者是panel构成的序列listaxis：需要合并链接的轴，0是行，1是列，默认是0join：连接的方式 inner，或者outer，默认是outer

准备数据

dict1={ 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3']} df1=pd.DataFrame(dict1) print(df1) dict2={ 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']} df2=pd.DataFrame(dict2) print(df2) 合并

join的值 inner ，得到的是两表的交集，如果是outer，得到的是两表的并集

(1) join='outer'，axis=0 当join=‘outer’，axis参数为0时，列进行并集处理，纵向表拼接，缺失值由NaN填充，并且会保留原有数据的行索引 pd.concat([df1, df2], axis=0, join='outer', sort=True) # 我没加 sort=True 会报一个警告

在这里插入图片描述

ABCD0A0B0C0NaN1A1B1C1NaN2A2B2C2NaN3A3B3C3NaN0NaNB0C0D01NaNB1C1D12NaNB2C2D23NaNB3C3D3 如果两个表的index都没有实际含义, 使用ignore_index参数置为 true, 重新生成一个新的index pd.concat([df1,df2],axis=0,join='outer',ignore_index=True, sort=True) # 我没加 sort=True 会报一个警告 ABCD0A0B0C0NaN1A1B1C1NaN2A2B2C2NaN3A3B3C3NaN4NaNB0C0D05NaNB1C1D16NaNB2C2D27NaNB3C3D3 (2) join='outer'，axis=1 当join=‘outer’，axis参数为1时，行进行并集处理，横向表拼接，缺失值由NaN填充在这里插入图片描述

pd.concat([df1,df2],axis=1,join='outer', sort=True) # 我没加 sort=True 会报一个警告 ABCBCD0A0B0C0B0C0D01A1B1C1B1C1D12A2B2C2B2C2D23A3B3C3B3C3D3 (3) join=inner, axis=0 pd.concat([df1,df2],axis=0,join='inner',ignore_index=True)

在这里插入图片描述

BC0B0C01B1C12B2C23B3C34B0C05B1C16B2C27B3C3 merge() 融合 merge(left, right, how='inner', on=None) 参数介绍 left和right, 两个要合并的DataFrame(对应的左连接和右连接)how: 连接的方式, 有inner(内连接)、left(左连接)、right(右连接)、outer(外连接), 默认为 inneron: 指的是用于连接的列索引名称, 必须存在于左右两个DataFrame中, 如果没有指定且其他参数也没有指定,则两个DataFrame列名交集作为连接键 import pandas as pd left = pd.DataFrame({'key':['a','b','b','d'],'data1':range(4)}) print(left) right = pd.DataFrame({'key':['a','b','c'],'data2':range(3)}) print(right) key data1 0 a 0 1 b 1 2 b 2 3 d 3 key data2 0 a 0 1 b 1 2 c 2 inner(内连接) merge()默认做inner连接，并且使用两个DataFrame的列名交集（key）作为连接键，同样，最终连接的数据也是两个DataFramekey列数据的交集

在这里插入图片描述

pd.merge(left,right) keydata1data20a001b112b21 outer (外连接) 当merge()做outer连接时最终连接的数据是两个DataFramekey列数据的并集，缺失的内容由NaN填充 pd.merge(left,right,on=['key'],how='outer')

在这里插入图片描述

keydata1data20a0.00.01b1.01.02b2.01.03d3.0NaN4cNaN2.0 left(左连接) 当merge()做left连接时，最终连接的数据将以left数据的链接建为准合并两个数据的列数据，缺失的内容由NaN填充

在这里插入图片描述

pd.merge(left,right,on=['key'],how='left') keydata1data20a00.01b11.02b21.03d3NaN right (右连接) 当merge()做right连接时，最终连接的数据将以right数据的链接建为准合并两个数据的列数据，缺失的内容由NaN填充 pd.merge(left,right,on=['key'],how='right') keydata1data20a0.001b1.012b2.013cNaN2 应用场景

例如：现在有两张表格分别存储了9月和10月份的成交信息，那么这个时候我们就可以使用concat( )将两个表沿着0轴合并

例如：现在有两张表格，一个是成交信息，包含订单号、金额、客户ID等信息；第二个是客户信息，包含客户ID、姓名、电话号等信息，那么这个时候我们就可以使用merge()根据客户ID将两个表合并成一个完整的表

【本文地址】

pandas数据的合并concat()和merge()

pandas数据的合并concat()和merge()

今日新闻

推荐新闻