Python之数据合并——【concat()函数、merge()函数、join()方法、combine_first()方法】
文章目錄
- 軸向堆疊數據——concat()函數
- 橫向堆疊與外連接
- 縱向堆疊與內連接
- 主鍵合并數據——merge()函數
- 內連接方式
- 外連接方式
- 左連接方式
- 右連接方式
- 其他
- 根據行索引合并數據——join()方法
- 四種連接方式
- 行索引與列索引重疊
- 合并重疊數據——combine_first()方法
軸向堆疊數據——concat()函數
pandas.concat(
objs: Union[
Iterable[FrameOrSeriesUnion], Mapping[Optional[Hashable], FrameOrSeriesUnion]
],
axis=0,
join=“outer”,
ignore_index: bool = False,
keys=None,
levels=None,
names=None,
verify_integrity: bool = False,
sort: bool = False,
copy: bool = True,
)
上述函數中常用參數表示的含義如下：
join：表示連接的方式，inner表示內連接，outer表示外連接，默認使用外連接。
ignore_index：接受布爾值，默認為False。如果設置為True，則表示清除現有索引并重置索引值。
keys：接受序列，表示添加最外層索引。
levels：用于構建MultiIndex的特定級別（唯一值）
names：在設置了keys和levels參數后，用于創建分層級別的名稱
verify_integerity：檢查新的連接軸是否包含重復項。接收布爾值，當設置為True時，如果有重復的軸將會拋出錯誤，默認為False
根據軸方向的不同（axis參數），可以將堆疊分成橫向堆疊和縱向堆疊，默認采用的是縱向堆疊方式。在堆疊數據時，默認采用的是外連接，(join參數設為outer)的方式。
橫向堆疊與外連接
使用concat()函數合并時，若是將axis參數的值設為1，且join參數的值設為outer，則合并方式為橫向堆疊與外連接。
測試對象：
left:A B a A0 B0 b A1 B1 right:C D c C0 D0 d C1 D1代碼：
left = pd.DataFrame({'A': ['A0', 'A1'],'B': ['B0', 'B1']},index=['a', 'b']) right = pd.DataFrame({'C': ['C0', 'C1'],'D': ['D0', 'D1']},index=['c', 'd']) print(pd.concat([left, right], join='outer', axis=1))輸出結果：
A B C D a A0 B0 NaN NaN b A1 B1 NaN NaN c NaN NaN C0 D0 d NaN NaN C1 D1使用concat()函數合并之后產生的不存在的數據將用NaN進行填充。
縱向堆疊與內連接
使用concat()函數合并時，若是將axis參數的值設為0，且join參數的值設為inner，則合并方式為縱向堆疊與內連接。
測試對象：
df1:A B C 0 A0 B0 C0 1 A1 B1 C1 2 A2 B2 C2 df2:B C D 0 B3 C3 D3 1 B4 C4 D4 2 B5 C5 D5代碼：
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2'],'C': ['C0', 'C1', 'C2']}) df2 = pd.DataFrame({'B': ['B3', 'B4', 'B5'],'C': ['C3', 'C4', 'C5'],'D': ['D3', 'D4', 'D5']}) print(pd.concat([df1, df2], join='inner', axis=0))輸出結果
B C 0 B0 C0 1 B1 C1 2 B2 C2 0 B3 C3 1 B4 C4 2 B5 C5主鍵合并數據——merge()函數
主鍵合并根據一個或多個鍵將不同的DaraFrame對象連接起來，大多數是將兩個DataFrame對象中重疊的列作為合并的鍵。
merge(
left,
right,
how: str = “inner”,
on=None,
left_on=None,
right_on=None,
left_index: bool = False,
right_index: bool = False,
sort: bool = False,
suffixes=("_x", “_y”),
copy: bool = True,
indicator: bool = False,
validate=None,
)
上述函數中部分參數表示的含義如下：
· left：使用左側的DataFrame的鍵，類似于SQL的左外連接
· right：使用右側的DataFrame的鍵，類似于SQL的右外連接
· outer：使用兩個DataFrame所有的鍵，類似于SQL的全連接
· inner：使用兩個DataFrame鍵的交集，類似于SQL的內連接
內連接方式
默認采用how=inner的方式合并
測試對象：
df1:A B C 0 A0 B0 C0 1 A1 B1 C1 2 A2 B2 C2 df3:B C D 0 B0 C0 D3 1 B2 C2 D4 2 B4 C4 D5代碼：
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2'],'C': ['C0', 'C1', 'C2']}) df3 = pd.DataFrame({'B': ['B0', 'B2', 'B4'],'C': ['C0', 'C2', 'C4'],'D': ['D3', 'D4', 'D5']}) print("pd.merge:\n", pd.merge(df1, df3, on=['B', 'C']))輸出結果：
pd.merge:A B C D 0 A0 B0 C0 D3 1 A2 B2 C2 D4外連接方式
外連接方式（how=outer）：left與right列中相同的數據將會重疊，沒有數據的位置使用NaN進行填充。
測試對象：
df1:A B C 0 A0 B0 C0 1 A1 B1 C1 2 A2 B2 C2 df3:B C D 0 B0 C0 D3 1 B2 C2 D4 2 B4 C4 D5代碼：
print("pd.merge(how=outer):\n", pd.merge(df1, df3, on=['B', 'C'], how='outer'))輸出結果：
pd.merge(how=outer):A B C D 0 A0 B0 C0 D3 1 A1 B1 C1 NaN 2 A2 B2 C2 D4 3 NaN B4 C4 D5左連接方式
左連接方式（how=left）：以左表作為基準進行連接，left表中的數據會全部顯示，right表中只會顯示與重疊數據行索引值相同的數據，合并后表中缺失的數據會使用NaN進行填充。
測試對象：
df1:A B C 0 A0 B0 C0 1 A1 B1 C1 2 A2 B2 C2 df3:B C D 0 B0 C0 D3 1 B2 C2 D4 2 B4 C4 D5代碼：
print("pd.merge(how=left):\n", pd.merge(df1, df3, on=['B', 'C'], how='left'))輸出結果：
pd.merge(how=left):A B C D 0 A0 B0 C0 D3 1 A1 B1 C1 NaN 2 A2 B2 C2 D4右連接方式
右連接方式（how=left）：以右表作為基準進行連接，right表中的數據會全部顯示，left表中只會顯示與重疊數據行索引值相同的數據，合并后表中缺失的數據會使用NaN進行填充。
測試對象：
df1:A B C 0 A0 B0 C0 1 A1 B1 C1 2 A2 B2 C2 df3:B C D 0 B0 C0 D3 1 B2 C2 D4 2 B4 C4 D5代碼：
print("pd.merge(how=right):\n", pd.merge(df1, df3, on=['B', 'C'], how='right'))測試結果：
pd.merge(how=right):A B C D 0 A0 B0 C0 D3 1 A2 B2 C2 D4 2 NaN B4 C4 D5其他
即使兩張表中的行索引與列索引均沒有重疊的部分，也可以使用merge()函數來合并。只需要將參數left_index和right_index的值設置為True即可。
測試對象
left:A B a A0 B0 b A1 B1 right:C D c C0 D0 d C1 D1代碼：
print("pd.merge(left_index=right_index=True):\n",pd.merge(left, right, how='outer', left_index=True, right_index=True))輸出結果：
A B C D a A0 B0 NaN NaN b A1 B1 NaN NaN c NaN NaN C0 D0 d NaN NaN C1 D1根據行索引合并數據——join()方法
join(self, other, on=None, how=“left”, lsuffix="", rsuffix="", sort=False)
上述方法常用參數表示的含義如下：
四種連接方式
測試對象：
data1:A B C a A0 B0 C0 b A1 B1 C1 c A2 B2 C2 data2:B C D b B1 C1 D1 c B2 C2 D2 d B3 C3 D3代碼：
data1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2'],'C': ['C0', 'C1', 'C2']},index=['a', 'b', 'c']) data2 = pd.DataFrame({'B': ['B1', 'B2', 'B3'],'C': ['C1', 'C2', 'C3'],'D': ['D1', 'D2', 'D3']},index=['b', 'c', 'd']) print("data1.join(data2, how='outer', lsuffix='one'):\n",data1.join(data2, how='outer', lsuffix='one')) print("data1.join(data2, how='inner', rsuffix='two'):\n", data1.join(data2, how='inner', rsuffix='two')) print("data1.join(data2, how='left', lsuffix='one'):\n", data1.join(data2, how='left', lsuffix='one')) print("data1.join(data2, how='right', rsuffix='two'):\n", data1.join(data2, how='right', rsuffix='two'))輸出結果：
data1.join(data2, how='outer', lsuffix='one'):A Bone Cone B C D a A0 B0 C0 NaN NaN NaN b A1 B1 C1 B1 C1 D1 c A2 B2 C2 B2 C2 D2 d NaN NaN NaN B3 C3 D3 data1.join(data2, how='inner', rsuffix='two'):A B C Btwo Ctwo D b A1 B1 C1 B1 C1 D1 c A2 B2 C2 B2 C2 D2 data1.join(data2, how='left', lsuffix='one'):A Bone Cone B C D a A0 B0 C0 NaN NaN NaN b A1 B1 C1 B1 C1 D1 c A2 B2 C2 B2 C2 D2 data1.join(data2, how='right', rsuffix='two'):A B C Btwo Ctwo D b A1 B1 C1 B1 C1 D1 c A2 B2 C2 B2 C2 D2 d NaN NaN NaN B3 C3 D3行索引與列索引重疊
測試對象：
join1:A B key 0 A0 B0 K0 1 A1 B1 K1 2 A2 B2 K2 join2:C D K0 C0 D0 K1 C1 D1 K2 C2 D2代碼：
join1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2'],'key': ['K0', 'K1', 'K2']}) join2 = pd.DataFrame({'C': ['C0', 'C1', 'C2'],'D': ['D0', 'D1', 'D2']},index=['K0', 'K1', 'K2']) print("join1.join(join2, on='key'):\n", join1.join(join2, on='key'))輸出結果：
join1.join(join2, on='key'):A B key C D 0 A0 B0 K0 C0 D0 1 A1 B1 K1 C1 D1 2 A2 B2 K2 C2 D2合并重疊數據——combine_first()方法
使用combine_first()方法合并兩個DataFrame對象時，必須確保它們的行索引和列索引有重疊的部分。
combine_first(self, other: “DataFrame”)
上述方法中只有一個參數other，該參數用于接收填充缺失值的DataFrame對象。
測試對象：
test1:A B 0 NaN B0 1 A1 NaN 2 A2 B2 3 A3 NaN test2:A B 1 C0 D0 0 C1 D1 2 C2 D2代碼：
test1 = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],'B': ['B0', np.nan, 'B2', np.nan]}) test2 = pd.DataFrame({'A': ['C0', 'C1', 'C2'],'B': ['D0', 'D1', 'D2']},index=[1, 0, 2]) print("test1.combine_first(test2):\n", test1.combine_first(test2))輸出結果：
test1.combine_first(test2):A B 0 C1 B0 1 A1 D0 2 A2 B2 3 A3 NaN從上可知，盡管test2表中的行索引與test1表的行索引順序不同，當用test2表的數據替換test1表的NaN值時，替換數據與缺失數據的索引位置仍然是相同的。例如，test1表中位于第0行第A列的“NaN”需要使用test2表中相同位置的數據“C1"來替換。
總結
以上是生活随笔為你收集整理的Python之数据合并——【concat()函数、merge()函数、join()方法、combine_first()方法】的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 《釜山行》导演新作《念力》首曝预告 超人
- 下一篇： Python之数据重塑——【stack(