怎么使用Python中的DataFrame合并和連接數據

這篇“怎么使用Python中的DataFrame合并和連接數據”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“怎么使用Python中的DataFrame合并和連接數據”文章吧。

merge()

1.常規合并

①方法1

指定一個參照列，以該列為準，合并其他列。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")
df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

②方法2

要實現該合并，也可以通過索引來合并，即以index列為基準。將left_index 和 right_index 都設置為True
即可。（left_index 和 right_index 都默認為False，left_index表示左表以左表數據的index為基準， right_index表示右表以右表數據的index為基準。）

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

df_merge = pd.merge(df1, df2, left_index=True, right_index=True)
print(df_merge)

相比方法①，區別在于，如圖，方法②合并出的數據中有重復列。

重要參數

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index=False, right_index=False )

其中，left_index與right_index 不能與 on 同時指定。

合并方式 left right outer inner

準備數據‘

新準備一組數據:

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '004', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

inner（默認）

使用來自兩個數據集的鍵的交集

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

outer

使用來自兩個數據集的鍵的并集

df_merge = pd.merge(df1, df2, on='id', how="outer")
print(df_merge)

left

使用來自左數據集的鍵

df_merge = pd.merge(df1, df2, on='id', how='left')
print(df_merge)

right

使用來自右數據集的鍵

df_merge = pd.merge(df1, df2, on='id', how='right')
print(df_merge)

2.多對一合并

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '001', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

如圖，df2中有重復id1的數據。

合并

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

合并結果如圖所示：

依然按照默認的Inner方式，使用來自兩個數據集的鍵的交集。且重復的鍵的行會在合并結果中體現為多行。

3.多對多合并

如圖表1和表2中都存在多行id重復的。

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '002', '002', '003'],
                    'num1': [120, 101, 104, 114, 123],
                    'num2': [110, 102, 121, 113, 126],
                    'num3': [105, 120, 113, 124, 128]})
df2 = pd.DataFrame({'id': ['001', '001', '002', '003', '001'],
                    'num4': [80, 86, 79, 88, 93]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

concat()

pd.concat(objs, axis=0, join=‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)

其他重要參數通過實例說明。

1.相同字段的表首位相連

首先準備三組DataFrame數據：

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 114, 123],
                    'num2': [110, 102, 121],
                    'num3': [113, 124, 128]})
df2 = pd.DataFrame({'id': ['004', '005'],
                    'num1': [120, 101],
                    'num2': [113, 126],
                    'num3': [105, 128]})
df3 = pd.DataFrame({'id': ['007', '008', '009'],
                    'num1': [120, 101, 125],
                    'num2': [113, 126, 163],
                    'num3': [105, 128, 114]})


print(df1)
print("=======================================")
print(df2)
print("=======================================")
print(df3)

合并

dfs = [df1, df2, df3]
result = pd.concat(dfs)
print(result)

如果想要在合并后，標記一下數據都來自于哪張表或者數據的某類別，則也可以給concat加上 參數keys 。

result = pd.concat(dfs, keys=['table1', 'table2', 'table3'])
print(result)

此時，添加的keys與原來的index組成元組，共同成為新的index。

print(result.index)

2.橫向表合并（行對齊）

準備兩組DataFrame數據：

import pandas as pd
df1 = pd.DataFrame({'num1': [120, 114, 123],
                    'num2': [110, 102, 121],
                    'num3': [113, 124, 128]}, index=['001', '002', '003'])
df2 = pd.DataFrame({'num3': [117, 120, 101, 126],
                    'num5': [113, 125, 126, 133],
                    'num6': [105, 130, 128, 128]}, index=['002', '003', '004', '005'])

print(df1)
print("=======================================")
print(df2)

當axis為默認值0時：

result = pd.concat([df1, df2])
print(result)

橫向合并需要將axis設置為1 ：

result = pd.concat([df1, df2], axis=1)
print(result)

對比以上輸出差異。

• axis=0時，即默認縱向合并時，如果出現重復的行，則會同時體現在結果中

• axis=1時，即橫向合并時，如果出現重復的列，則會同時體現在結果中。

3.交叉合并

result = pd.concat([df1, df2], axis=1, join='inner')
print(result)

以上就是關于“怎么使用Python中的DataFrame合并和連接數據”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。