pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中對pandas的方方面面都有了一個權威簡明的入門級的介紹，但在實際使用過程中，我發(fā)現(xiàn)書中的內(nèi)容還只是冰山一角。談到pandas數(shù)據(jù)的行更新、表合并等操作，一般用到的方法有concat、join、merge。但這三種方法對于很多新手來說，都不太好分清使用的場合與用途。今天就pandas官網(wǎng)中關于數(shù)據(jù)合并和重述的章節(jié)做個使用方法的總結。

文中代碼塊主要有pandas官網(wǎng)教程提供。

1 concat

concat函數(shù)是在pandas底下的方法，可以將數(shù)據(jù)根據(jù)不同的軸作簡單的融合

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

參數(shù)說明 

objs: series，dataframe或者是panel構成的序列l(wèi)sit 

axis： 需要合并鏈接的軸，0是行，1是列 

join：連接的方式 inner，或者outer

其他一些參數(shù)不常用，用的時候再補上說明。

1.1 相同字段的表首尾相接

# 現(xiàn)將表構成list，然后在作為concat的輸入
In [4]: frames = [df1, df2, df3]
 
In [5]: result = pd.concat(frames)

要在相接的時候在加上一個層次的key來識別數(shù)據(jù)源自于哪張表，可以增加key參數(shù)

In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

效果如下

1.2 橫向表拼接（行對齊）

1.2.1 axis

當axis = 1的時候，concat就是行對齊，然后將不同列名稱的兩張表合并

In [9]: result = pd.concat([df1, df4], axis=1)

1.2.2 join

加上join參數(shù)的屬性，如果為'inner'得到的是兩表的交集，如果是outer，得到的是兩表的并集。

In [10]: result = pd.concat([df1, df4], axis=1, join='inner')

1.2.3 join_axes

如果有join_axes的參數(shù)傳入，可以指定根據(jù)那個軸來對齊數(shù)據(jù) 

例如根據(jù)df1表對齊數(shù)據(jù)，就會保留指定的df1表的軸，然后將df4的表與之拼接

In [11]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

1.3

1.3 append

append是series和dataframe的方法，使用它就是默認沿著列進行憑借（axis = 0，列對齊）

In [12]: result = df1.append(df2)

1.4 無視index的concat

如果兩個表的index都沒有實際含義，使用ignore_index參數(shù)，置true，合并的兩個表就睡根據(jù)列字段對齊，然后合并。最后再重新整理一個新的index。 

1.5 合并的同時增加區(qū)分數(shù)據(jù)組的鍵

前面提到的keys參數(shù)可以用來給合并后的表增加key來區(qū)分不同的表數(shù)據(jù)來源

1.5.1 可以直接用key參數(shù)實現(xiàn)

In [27]: result = pd.concat(frames, keys=['x', 'y', 'z'])

1.5.2 傳入字典來增加分組鍵

In [28]: pieces = {'x': df1, 'y': df2, 'z': df3}
 
In [29]: result = pd.concat(pieces)

1.6 在dataframe中加入新的行

append方法可以將 series 和 字典就夠的數(shù)據(jù)作為dataframe的新一行插入。 

In [34]: s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D'])
 
In [35]: result = df1.append(s2, ignore_index=True)

 表格列字段不同的表合并

如果遇到兩張表的列字段本來就不一樣，但又想將兩個表合并，其中無效的值用nan來表示。那么可以使用ignore_index來實現(xiàn)。

1

In [36]: dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4},
   ....:          {'A': 5, 'B': 6, 'C': 7, 'Y': 8}]
   ....: 
 
In [37]: result = df1.append(dicts, ignore_index=True)

在這里，將接著介紹pandas中也常常用到的join 和merge方法

merge

pandas的merge方法提供了一種類似于SQL的內(nèi)存鏈接操作，官網(wǎng)文檔提到它的性能會比其他開源語言的數(shù)據(jù)操作（例如R）要高效。

和SQL語句的對比可以看這里

merge的參數(shù)

on：列名，join用來對齊的那一列的名字，用到這個參數(shù)的時候一定要保證左表和右表用來對齊的那一列都有相同的列名。

left_on：左表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

right_on：右表對齊的列，可以是列名，也可以是和dataframe同樣長度的arrays。

left_index/ right_index: 如果是True的haunted以index作為對齊的key

how：數(shù)據(jù)融合的方法。

sort：根據(jù)dataframe合并的keys按字典順序排序，默認是，如果置false可以提高表現(xiàn)。

merge的默認合并方法：

    merge用于表內(nèi)部基于 index-on-index 和 index-on-column(s) 的合并，但默認是基于index來合并。

1.1 復合key的合并方法

使用merge的時候可以選擇多個key作為復合可以來對齊合并。

 1.1.1 通過on指定數(shù)據(jù)合并對齊的列

In [41]: left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
   ....:                      'key2': ['K0', 'K1', 'K0', 'K1'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 
 
In [42]: right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
   ....:                       'key2': ['K0', 'K0', 'K0', 'K0'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 
 
In [43]: result = pd.merge(left, right, on=['key1', 'key2'])

沒有指定how的話默認使用inner方法。

how的方法有：

left

只保留左表的所有數(shù)據(jù)

In [44]: result = pd.merge(left, right, how='left', on=['key1', 'key2'])

right

只保留右表的所有數(shù)據(jù)

In [45]: result = pd.merge(left, right, how='right', on=['key1', 'key2'])

outer

保留兩個表的所有信息

In [46]: result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

inner

只保留兩個表中公共部分的信息

In [47]: result = pd.merge(left, right, how='inner', on=['key1', 'key2'])

1.2 indicator

v0.17.0 版本的pandas開始還支持一個indicator的參數(shù)，如果置True的時候，輸出結果會增加一列 ' _merge'。_merge列可以取三個值

• left_only 只在左表中
• right_only 只在右表中
• both 兩個表中都有

1.3 join方法

dataframe內(nèi)置的join方法是一種快速合并的方法。它默認以index作為對齊的列。

1.3.1 how 參數(shù)

join中的how參數(shù)和merge中的how參數(shù)一樣，用來指定表合并保留數(shù)據(jù)的規(guī)則。

具體可見前面的 how 說明。

1.3.2 on 參數(shù)

在實際應用中如果右表的索引值正是左表的某一列的值，這時可以通過將 右表的索引 和 左表的列 對齊合并這樣靈活的方式進行合并。

ex 1

In [59]: left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3'],
   ....:                      'key': ['K0', 'K1', 'K0', 'K1']})
   ....: 
 
In [60]: right = pd.DataFrame({'C': ['C0', 'C1'],
   ....:                       'D': ['D0', 'D1']},
   ....:                       index=['K0', 'K1'])
   ....: 
 
In [61]: result = left.join(right, on='key')

1.3.3 suffix后綴參數(shù)

如果和表合并的過程中遇到有一列兩個表都同名，但是值不同，合并的時候又都想保留下來，就可以用suffixes給每個表的重復列名增加后綴。

In [79]: result = pd.merge(left, right, on='k', suffixes=['_l', '_r'])

*　另外還有l(wèi)suffix 和 rsuffix分別指定左表的后綴和右表的后綴。

1.4 組合多個dataframe

一次組合多個dataframe的時候可以傳入元素為dataframe的列表或者tuple。一次join多個，一次解決多次煩惱~

In [83]: right2 = pd.DataFrame({'v': [7, 8, 9]}, index=['K1', 'K1', 'K2'])
 
In [84]: result = left.join([right, right2])

1.5 更新表的nan值

1.5.1 combine_first

如果一個表的nan值，在另一個表相同位置（相同索引和相同列）可以找到，則可以通過combine_first來更新數(shù)據(jù)

1.5.2 update

如果要用一張表中的數(shù)據(jù)來更新另一張表的數(shù)據(jù)則可以用update來實現(xiàn)

1.5.3 combine_first 和 update 的區(qū)別

使用combine_first會只更新左表的nan值。而update則會更新左表的所有能在右表中找到的值（兩表位置相對應）。

總結

到此這篇關于pandas中DataFrame 數(shù)據(jù)合并連接（merge、join、concat)的文章就介紹到這了,更多相關pandas中DataFrame 數(shù)據(jù)合并內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！