| pandas数据框的合并操作 | 您所在的位置：网站首页 › pandas增加行 › pandas数据框的合并操作 |
pandas数据框的合并操作
|
以下内容参考: 无欢不散：7000字整理: 全网最详细Pandas合并数据集操作总结 仅选择常用的操作（以及个人的理解）作为笔记： 1 按照行或列索引合并数据框：contact、append和joinpd.concat( objs, axis=0, join="outer", ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True, ) # 关键参数: # objs:需要用来进行合并的数据集，可以是Series类型或者是DataFrame类型的数据 # axis:可以理解为是合并的方向，默认是0 # join:可以理解为是合并的方式，有并集或是交集两种方式，默认的是并集 # ignore_index:忽略索引，默认是False # keys:用于做行方向的多重索引1.1 增加数据框的行（按照 两个数据框的列索引 合并数据框）如果列名不同则生成新列 df1 = pd.DataFrame( { "A": ["A0", "A1", "A2", "A3"], "B": ["B0", "B1", "B2", "B3"], "C": ["C0", "C1", "C2", "C3"], "D": ["D0", "D1", "D2", "D3"], } ) df2 = pd.DataFrame( { "A": ["A4", "A5", "A6", "A7"], "B": ["B4", "B5", "B6", "B7"], "C": ["C4", "C5", "C6", "C7"], "D": ["D4", "D5", "D6", "D7"], } ) df3 = pd.DataFrame( { "A": ["A8", "A9", "A10", "A11"], "B": ["B8", "B9", "B10", "B11"], "C": ["C8", "C9", "C10", "C11"], "D": ["D8", "D9", "D10", "D11"], } ) print(df1) print(df2) print(df3) # 方法1 frames = [df1, df2, df3] result = pd.concat(frames) result.index = range(len(result)) print(result) # 方法2 result = df1.append(df2) print(result) result = df1.append([df2, df3]) print(result) 注意：本图的行索引与代码不一致1.2 增加数据框的列（按照 两个数据框的行索引 合并数据框）df4 = pd.DataFrame(
{
"B": ["B2", "B3", "B6", "B7"],
"D": ["D2", "D3", "D6", "D7"],
"F": ["F2", "F3", "F6", "F7"],
},
index=[2, 3, 6, 7],
)
# axis = 1 表示增加列，按照行合并
# join 默认为outer表示并集
# join = inner 表示交集
result = pd.concat([df1, df4], axis=1,join='inner')
print(result)
# join = 'outer'取并集
result = pd.concat([df1, df4], axis=1)
print(result)1.3 增加数据框的列（基于 单个数据框的行索引 合并数据框）left = pd.DataFrame(
{"A": ["A0", "A1", "A2"], "B": ["B0", "B1", "B2"]}, index=["K0", "K1", "K2"]
)
right = pd.DataFrame(
{"C": ["C0", "C2", "C3"], "D": ["D0", "D2", "D3"]}, index=["K0", "K2", "K3"]
)
print(left)
print(right)
# 根据left数据框索引合并 列
result = left.join(right)
print(result)
# 根据right数据框索引合并 列
result = right.join(left)
print(result)2 按照指定的列 作为“行索引”来合并数据框：mergepd.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,
validate=None,
)
# left/right:也就是所要合并的两个表格
# on:左右所要合并的两表格的共同列名
# left_on/right_on:两表格进行合并时所对应的字段
# how:合并的方式，有left、right、outer、inner四种，默认是inner
# inner:也就是交集，在使用merge()方法的时候，默认采用的都是交集的合并方式
# outer:可以理解为是并集的合并方式
# left/right: 单方向的进行并集的合并
# suffixes:在两表格进行合并时，重复的列名后面添加的后缀
# left_index:若为True，按照左表格的索引来连接两个数据集
# right_index:若为True，按照右表格的索引来连接两个数据集2.1 把某一列当作“行索引” 合并数据框注意：列名必须一样 left = pd.DataFrame( { "key": ["K0", "K1", "K2", "K3"], "A": ["A0", "A1", "A2", "A3"], "B": ["B0", "B1", "B2", "B3"], } ) right = pd.DataFrame( { "key": ["K0", "K1", "K2", "K3"], "C": ["C0", "C1", "C2", "C3"], "D": ["D0", "D1", "D2", "D3"], } ) result = pd.merge(left, right, on="key") result 注意：待合并的数据框的列名均为 key2.1 把多列当作“行索引” 合并数据框基于left数据框合并 result = pd.merge(left, right, how="left", on=["key1", "key2"]) result 基于right数据框合并 result = pd.merge(left, right, how="right", on=["key1", "key2"]) result 基于outer合并数据框 result = pd.merge(left, right, how="outer", on=["key1", "key2"]) result 基于inner合并数据框 result = pd.merge(left, right, how="inner", on=["key1", "key2"]) result
|
【本文地址】
公司简介
联系我们