Python数据分析之concat与merge函数（实例详解）

168 阅读 0 评论 111 点赞

我是靠谱客的博主明理芹菜，这篇文章主要介绍Python数据分析之concat与merge函数（实例详解），现在分享给大家，希望可以做个参考。

本篇文章给大家带来了关于python的相关知识，其中主要介绍了关于数据合并的相关问题，包括了concat函数与merge函数等内容，下面一起来看一下，希望对大家有帮助。

推荐学习：python视频教程

一、concat函数

concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似数据库中的数据表合并
pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)
参数含义如下：

参数	作用
axis	表示连接的轴向，可以为0或者1，默认为0
join	表示连接的方式，inner表示内连接，outer表示外连接，默认使用外连接
ignore_index	接收布尔值，默认为False。如果设置为True，则表示清除现有索引并重置索引值
keys	接收序列，表示添加最外层索引
levels	用于构建MultiIndex的特定级别（唯一值）
names	设置了keys和level参数后，用于创建分层级别的名称
verify_integerity	检查新的连接轴是否包含重复项。接收布尔值，当设置为True时，如果有重复的轴将会抛出错误，默认为False

根据轴方向的不同，可以将堆叠分成横向堆叠与纵向堆叠，默认采用的是纵向堆叠方式

在堆叠数据时，默认采用的是外连接（join参数设为outer）的方式进行合并，当然也可以通过join=inner设置为内连接的方式。

1)横向堆叠与外连接

复制代码import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})df11
2
3
import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})df1
登录后复制

在这里插入图片描述

复制代码df2=pd.DataFrame({'C':['C0','C1','C2'],
                  'D':['D0','D1','D2']})df21
2
df2=pd.DataFrame({'C':['C0','C1','C2'],
                  'D':['D0','D1','D2']})df2
登录后复制

在这里插入图片描述

横向堆叠合并df1和df2,采用外连接的方式

复制代码pd.concat([df1,df2],join='outer',axis=1)1
pd.concat([df1,df2],join='outer',axis=1)
登录后复制

在这里插入图片描述

2) 纵向堆叠与内链接

复制代码import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2'],
                   'C':['C0','C1','C2']})first1
2
3
4
import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2'],
                   'C':['C0','C1','C2']})first
登录后复制

在这里插入图片描述

复制代码second=pd.DataFrame({'B':['B3','B4','B5'],
                   'C':['C3','C4','C5'],
                    'D':['D3','D4','D5']})second1
2
3
second=pd.DataFrame({'B':['B3','B4','B5'],
                   'C':['C3','C4','C5'],
                    'D':['D3','D4','D5']})second
登录后复制

在这里插入图片描述

当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner,则代表着使用纵向堆叠与内连接的方式进行合并

复制代码pd.concat([first,second],join='inner',axis=0)1
pd.concat([first,second],join='inner',axis=0)
登录后复制

在这里插入图片描述

二、merge()函数

1）主键合并数据

在使用merge()函数进行合并时，默认会使用重叠的列索引做为合并键，并采用内连接方式合并数据，即取行索引重叠的部分。

复制代码import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})left1
2
3
4
import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})left
登录后复制

在这里插入图片描述

复制代码right=pd.DataFrame({'key':['K0','K1','K2','K3'],
                   'C':['C0','C1','C2','C3'],
                   'D':['D0','D1','D2','D3']})right1
2
3
right=pd.DataFrame({'key':['K0','K1','K2','K3'],
                   'C':['C0','C1','C2','C3'],
                   'D':['D0','D1','D2','D3']})right
登录后复制

在这里插入图片描述

复制代码pd.merge(left,right,on='key')1
pd.merge(left,right,on='key')
登录后复制

在这里插入图片描述

2）merge()函数还支持对含有多个重叠列的DataFrame对象进行合并。

复制代码import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})data11
2
3
4
import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})data1
登录后复制

在这里插入图片描述

复制代码data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
                         'B':['B0','B1','B2','B5'],
                         'C':['C0','C1','C2','C3'],
                         'D':['D0','D1','D2','D3']})data21
2
3
4
data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
                         'B':['B0','B1','B2','B5'],
                         'C':['C0','C1','C2','C3'],
                         'D':['D0','D1','D2','D3']})data2
登录后复制

在这里插入图片描述

复制代码pd.merge(data1,data2,on=['key','B'])1
pd.merge(data1,data2,on=['key','B'])
登录后复制

在这里插入图片描述

1）根据行索引合并数据

join()方法能够通过索引或指定列来连接多个DataFrame对象
join（other，on = None，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = False ）

参数	作用
on	名称，用于连接列名
how	可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任选一个，默认使用左连接的方式。
sort	根据连接键对合并的数据进行排序，默认为False

复制代码import pandas as pd
data3=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2']})data31
2
3
import pandas as pd
data3=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2']})data3
登录后复制

在这里插入图片描述

复制代码data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                         'D': ['D0', 'D1', 'D2']},
                     index=['a','b','c'])data3.join(data4,how='outer')  # 外连接1
2
3
data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                         'D': ['D0', 'D1', 'D2']},
                     index=['a','b','c'])data3.join(data4,how='outer')  # 外连接
登录后复制

在这里插入图片描述

复制代码data3.join(data4,how='left')  #左连接1
data3.join(data4,how='left')  #左连接
登录后复制

在这里插入图片描述

复制代码data3.join(data4,how='right')  #右连接1
data3.join(data4,how='right')  #右连接
登录后复制

在这里插入图片描述

复制代码data3.join(data4,how='inner')  #内连接1
data3.join(data4,how='inner')  #内连接
登录后复制

在这里插入图片描述

复制代码import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                        'B': ['B0', 'B1', 'B2'],
                      'key': ['K0', 'K1', 'K2']})left1
2
3
4
import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                        'B': ['B0', 'B1', 'B2'],
                      'key': ['K0', 'K1', 'K2']})left
登录后复制

在这里插入图片描述

复制代码right = pd.DataFrame({'C': ['C0', 'C1','C2'],
                         'D': ['D0', 'D1','D2']},
                        index=['K0', 'K1','K2'])right1
2
3
right = pd.DataFrame({'C': ['C0', 'C1','C2'],
                         'D': ['D0', 'D1','D2']},
                        index=['K0', 'K1','K2'])right
登录后复制

on参数指定连接的列名

复制代码left.join(right,how='left',on='key')  #on参数指定连接的列名1
left.join(right,how='left',on='key')  #on参数指定连接的列名
登录后复制

在这里插入图片描述

2）合并重叠数据

复制代码import pandas as pdimport numpy as npfrom numpy import NAN
left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],
                        'B': [np.nan, 'B1', np.nan, 'B3'],
                        'key': ['K0', 'K1', 'K2', 'K3']})left1
2
3
4
import pandas as pdimport numpy as npfrom numpy import NAN
left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],
                        'B': [np.nan, 'B1', np.nan, 'B3'],
                        'key': ['K0', 'K1', 'K2', 'K3']})left
登录后复制

在这里插入图片描述

复制代码right = pd.DataFrame({'A': ['C0', 'C1','C2'],
                         'B': ['D0', 'D1','D2']},
                         index=[1,0,2])right1
2
3
right = pd.DataFrame({'A': ['C0', 'C1','C2'],
                         'B': ['D0', 'D1','D2']},
                         index=[1,0,2])right
登录后复制

在这里插入图片描述
用right的数据填充left缺失的部分

复制代码left.combine_first(right) # 用right的数据填充left缺失的部分1
left.combine_first(right) # 用right的数据填充left缺失的部分
登录后复制

在这里插入图片描述

推荐学习：python视频教程

以上就是Python数据分析之concat与merge函数（实例详解）的详细内容，更多请关注靠谱客其它相关文章！

最后

以上就是明理芹菜最近收集整理的关于Python数据分析之concat与merge函数（实例详解）的全部内容，更多相关Python数据分析之concat与merge函数（实例详解）内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。

本文分类：python
浏览次数：168 次浏览
发布日期：2022-11-20 23:32:02
本文链接：https://www.kaopuke.com/article/k-p-k_14_ujo_10_f2_13__23__22_4.html

Python数据分析之concat与merge函数（实例详解）

一、concat函数

1)横向堆叠与外连接

横向堆叠合并df1和df2,采用外连接的方式

2) 纵向堆叠与内链接

二、merge()函数

1）根据行索引合并数据

2）合并重叠数据

最后

评论列表共有 0 条评论

发表评论取消回复

Python数据分析之concat与merge函数（实例详解）

一、concat函数

1)横向堆叠与外连接

横向堆叠合并df1和df2,采用外连接的方式

2) 纵向堆叠与内链接

二、merge()函数

1）根据行索引合并数据

2）合并重叠数据

最后

相关文章

评论列表共有 0 条评论

发表评论 取消回复

微信扫一扫：分享

发表评论取消回复