数据分析 |
您所在的位置:网站首页 › pandas合并数据集 › 数据分析 |
【导语】 学过Excel和MySQL,Pandas后,你会发现它们的都能处理数据,只是实现方式不同罢了,互相能起到互补的作用。那么,在工作中,工具没有好坏之分,只要能解决问题,都是好工具,关键是我们怎么用。那么本篇文章,主要总结在python中如何合并数据,如何利用pandas实现多表连接查询。 一、Pandas合并数据1、concat()我们可以通过DataFrame或Series类型的concat方法,来进行连接操作,连接时,会根据索引进行对齐。 axis:指定连接轴,默认为0(上下);1(左右)【axis=0/1】join:指定连接方式,默认为外连接。【join='outer':并集,join='inner':交集】 ![]() 通过pandas或DataFrame的merge方法,可以进行两个DataFrame的连接,这种连接类似于SQL中对两张表进行的join连接。 how:指定连接方式。可以是inner, outer, left, right,默认为inner。 ![]() ![]() ![]() 在对行进行连接时,也可以使用Series或DataFrame的append方法。append是concat的简略形式,只不过只能在axis=0上进行合并。 df1=pd.DataFrame({'date':[2015,2016,2017,2018,2019],'x1':[2000,3000,5000,8000,10000],'x2':[np.nan,'d','d','c','c']})df2=pd.DataFrame({'date':[2017,2018,2019,2020],'y1':[1000,2000,3000,2000]})# display(df1,df2)df3=df1.append(df2)display(df3)![]() 与merge方法类似,但是默认使用索引进行连接。 how:指定连接方式。可以是inner, outer, left, right,默认为left。on:设置当前DataFrame对象使用哪个列与参数对象的索引进行连接。lsuffix / rsuffix:当两个DataFrame列名相同时,指定每个列名的后缀(用来区分),如果不指定,列名相同会产生错误。join与merge类似,都是进行两张表的连接。不同点: merge默认进行的内连接(inner),join默认进行的左外连接(left)。当出现同名字段(列索引)时,merge可以自动补后缀(_x, _y),但是join不会自动补后缀,而是会产生错误。merge默认使用同名的列进行等值连接。join默认使用左右两表的索引进行连接。merge中on参数,指定两张表中共同的字段,而join中on参数,仅指定左表中的字段(右表依然使用索引)。merge与join侧重点不同,merge侧重的是使用字段进行连接,而join侧重的是使用索引进行连接。df1=pd.DataFrame({'date':[2015,2016,2017,2018,2019],'x1':[2000,3000,5000,8000,10000],'x2':[np.nan,'d','d','c','c']})df2=pd.DataFrame({'date':[2017,2018,2019,2020],'y1':[1000,2000,3000,2000]})# display(df1,df2)df3=df1.join(df2,how='left',lsuffix='_x',rsuffix='_y')#根据索引对齐display(df3)![]() 希望本文的内容对大家的学习或者工作能带来一定的帮助,每天进步一点点,加油。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |