pandas实现数据的合并与拼接

目录

一、DataFrame.concat：沿着一条轴，将多个对象堆叠到一起

二、DataFrame.merge：类似 vlookup

三、DataFrame.join：主要用于索引上的合并

四、Series.append：纵向追加Series

五、DataFrame.append——纵向追加DataFrame

总结

语法：

pd.concat()只是单纯的把两个表拼接在一起，参数axis是关键，它用于指定合并的轴是行还是列，axis默认是0（纵向拼接）。

参数介绍：

axis=0代表纵向合并；axis=1代表横向合并。

objs：需要连接的对象集合，一般是列表或字典；

axis：连接轴向；

join：参数为‘outer’或‘inner’；

ignore_index=True：重建索引

 举例：

 默认纵向拼接（根据列名匹配后，往下拼接排列）

横向全拼接（默认索引全保留） 

 横向关联拼接（只保留左右都存在的索引行，df2没有第3行，存在NaN）

语法：

 类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

参数介绍：

left和right：两个不同的DataFrame；

how：连接方式，有inner、left、right、outer，默认为inner；

on：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，则以两个DataFrame列名交集作为连接键；

left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有用；

right_on：右侧DataFrame中用于连接键的列名；

left_index：使用左侧DataFrame中的行索引作为连接键；

right_index：使用右侧DataFrame中的行索引作为连接键；

sort：默认为True，将合并的数据进行排序，设置为False可以提高性能；

suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为('_x', '_y')；

copy：默认为True，总是将数据复制到数据结构中，设置为False可以提高性能；

indicator：显示合并数据中数据的来源情况

举例：

 没有指定连接键，默认用重叠列名，没有指定连接方式，默认inner内连接（取key的交集）

通过how，指定连接方式

多键连接时将连接键组成列表传入，例：pd.merge(df1,df2,on=['key1','key2']

如果两个对象的列名不同，可以使用left_on，right_on分别指定

语法：

其参数的意义与merge方法中的参数意义基本一样。该方法最为简单，主要用于索引上的合并。

举例：

使用join，默认使用索引进行关联

使用merge，指定使用索引进行关联，代码更复杂

使用concat，默认索引全部保留

语法：

举例：

语法：

举例：

 首先，创建一个空的DataFrame对象data——这个DataFrame对象当中没有任何数据，行索引分别是A、B、C，这就相当于我们新建了一个Excel表，在第一行分别输入A、B、C作为标签。

其次，我们创建另一个DataFrame对象，并利用append 将其数据添加到空DataFrame中.

注意：data3 = data.append(data2)

不等于以下两句：data.append(data2)

                             data3 = data  #此时data仍为含列名的空DataFrame

我们发现数据并没有添加到我们希望的A、B、C的位置，而是连同索引一起并入了空DataFrame对象，这并非我们想要的结果。

这是因为：被添加的DataFrame必须和空DataFrame有相同的列索引才能得到希望的结果。

        于是进行修改如下;

1、join 最简单，主要用于基于索引的横向合并拼接

2、merge 最常用，主要用于基于指定列的横向合并拼接

3、concat最强大，可用于横向和纵向合并拼接

4、append，主要用于纵向追加