Pandas数据合并与拼接的5种方法 | 您所在的位置:网站首页 › 合并dataframe中所有列 › Pandas数据合并与拼接的5种方法 |
pandas数据处理功能强大,可以方便的实现数据的合并与拼接,具体是如何实现的呢? 一、DataFrame.concat:沿着一条轴,将多个对象堆叠到一起语法: 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,它用于指定合并的轴是行还是列,axis默认是0。 axis=0代表纵向合并; axis=1代表横向合并。 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’; ignore_index=True:重建索引 举例: 默认纵向拼接 横向全拼接(默认索引全保留) 横向关联拼接(只保留左右都存在的索引行) 二、DataFrame.merge:类似 vlookup语法: 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)类似于关系型数据库的连接方式,可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是,针对同一个主键存在两张不同字段的表,根据主键整合到一张表里面。 参数介绍: 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; 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 举例: 没有指定连接键,默认用重叠列名,没有指定连接方式,默认inner内连接(取key的交集) 通过how,指定连接方式 多键连接时将连接键组成列表传入,例:pd.merge(df1,df2,on=['key1','key2'] 如果两个对象的列名不同,可以使用left_on,right_on分别指定 三、DataFrame.join:主要用于索引上的合并语法: 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。该方法最为简单,主要用于索引上的合并。 举例: 使用join,默认使用索引进行关联 使用merge,指定使用索引进行关联,代码更复杂 使用concat,默认索引全部保留 四、Series.append:纵向追加Series语法: (self, to_append, ignore_index=False, verify_integrity=False)举例: 五、DataFrame.append:纵向追加DataFrame语法: (self, other, ignore_index=False, verify_integrity=False, sort=False)举例: 总结1、join 最简单,主要用于基于索引的横向合并拼接 2、merge 最常用,主要用于基于指定列的横向合并拼接 3、concat最强大,可用于横向和纵向合并拼接 4、append,主要用于纵向追加 |
CopyRight 2018-2019 实验室设备网 版权所有 |