pandas中的几种合并DataFrame的方法

忘是亡心i 2023-06-19 09:41 31阅读 0赞

我们知道，在使用pandas处理数据的时候，往往会需要合并两个或者多个DataFrame的操作，那么我们该如何选择合适的方法进行这类的操作呢？接下来就讲一下每一种方法的运用。

1、最常用的merge函数：

merge(left, right, how='inner', on=None, left_on=None, right_on=None,  
          left_index=False, right_index=False, sort=True,  
          suffixes=('_x', '_y'), copy=True, indicator=False)

讲一下这几个参数的含义：

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；需要注意的是这列值的类型不能是数值型，不然会出现异常

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

# 1.默认以重叠的列名当做连接键。
    df1=DataFrame({'key':['a','b','b'],'data1':range(3)})    
    df2=DataFrame({'key':['a','b','c'],'data2':range(3)})    
    pd.merge(df1,df2)   #没有指定连接键，默认用重叠列名，没有指定连接方式  
      
       data1 key  data2  
    0      0   a      0  
    1      1   b      1  
    2      2   b      1  
     
    # 2.默认做inner连接（取key的交集），连接方式还有（left,right,outer)，制定连接方式加参数：how=''
    pd.merge(df2,df1)  
      
       data2 key  data1  
    0      0   a      0  
    1      1   b      1  
    2      1   b      2                   #默认内连接，可以看见c没有连接上。  
      
    pd.merge(df2,df1,how='left')    #通过how，指定连接方式  
     
       data2 key  data1  
    0      0   a      0  
    1      1   b      1  
    2      1   b      2  
    3      2   c    NaN  
     
    # 3.多键连接时将连接键组成列表传入，例：pd.merge(df1,df2,on=['key1','key2']
    right=DataFrame({'key1':['foo','foo','bar','bar'],  
             'key2':['one','one','one','two'],  
             'lval':[4,5,6,7]})  
    left=DataFrame({'key1':['foo','foo','bar'],  
             'key2':['one','two','one'],  
             'lval':[1,2,3]})  
    right=DataFrame({'key1':['foo','foo','bar','bar'],  
             'key2':['one','one','one','two'],  
             'lval':[4,5,6,7]})  
    pd.merge(left,right,on=['key1','key2'],how='outer')  #传出数组  
       
      key1 key2  lval_x  lval_y  
    0  foo  one       1       4  
    1  foo  one       1       5  
    2  foo  two       2     NaN  
    3  bar  one       3       6  
    4  bar  two     NaN       7  
     
    # 4.如果两个对象的列名不同，可以分别指定，例：pd.merge(df1,df2,left_on='lkey',right_on='rkey')
    df3=DataFrame({'key3':['foo','foo','bar','bar'], #将上面的right的key 改了名字  
             'key4':['one','one','one','two'],  
             'lval':[4,5,6,7]})  
    pd.merge(left,df3,left_on='key1',right_on='key3')  #键名不同的连接  
       
      key1 key2  lval_x key3 key4  lval_y  
    0  foo  one       1  foo  one       4  
    1  foo  one       1  foo  one       5  
    2  foo  two       2  foo  one       4  
    3  foo  two       2  foo  one       5  
    4  bar  one       3  bar  one       6  
    5  bar  one       3  bar  two       7

2、concat方法：沿着一条轴，将多个对象堆叠到一起

concat方法相当于数据库中的全连接（union all），它不仅可以指定连接的方式（outer join或inner join）还可以指定按照某个轴进行连接。与数据库不同的是，它不会去重，但是可以使用drop\_duplicates方法达到去重的效果

concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, 
           keys=None, levels=None, names=None, verify_integrity=False, copy=True):

pd.concat()只是单纯的把两个表拼接在一起，参数axis是关键，它用于指定是行还是列，axis默认是0。当axis=0时，pd.concat(\[obj1, obj2\])的效果与obj1.append(obj2)是相同的；当axis=1时，pd.concat(\[obj1, obj2\], axis=1)的效果与pd.merge(obj1, obj2, left\_index=True, right\_index=True, how='outer')是相同的。

参数介绍：

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’；

join\_axes=\[\]：指定自定义的索引；

keys=\[\]：创建层次化索引；

ignore\_index=True：重建索引

df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])  
      
    df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])  
      
    pd.concat([df1,df2])  
      
              a         b         c         d  
    0 -0.848557 -1.163877 -0.306148 -1.163944  
    1  1.358759  1.159369 -0.532110  2.183934  
    2  0.532117  0.788350  0.703752 -2.620643  
    0 -0.316156 -0.707832       NaN -0.416589  
    1  0.406830  1.345932       NaN -1.874817  
     
    pd.concat([df1,df2],ignore_index=True)  
     
              a         b         c         d  
    0 -0.848557 -1.163877 -0.306148 -1.163944  
    1  1.358759  1.159369 -0.532110  2.183934  
    2  0.532117  0.788350  0.703752 -2.620643  
    3 -0.316156 -0.707832       NaN -0.416589  
    4  0.406830  1.345932       NaN -1.874817

3、join：主要用于索引上的合并

join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):

其参数的意义与merge方法中的参数意义基本一样

4、append函数：

data = data.append(a,ignore_index=True)

append函数可以拼接一个或者多个，也可以追加serise到原来的dataframe里面。

上面是最常见的四种方法，不否认会有其他更好更灵活的方法可以选用，欢迎留言指教，也提醒大家在选用的时候，注意区分各个参数的含义，合理准确的使用。