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，我發現書中的內容還只是冰山一角。談到pandas數據的行更新、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官網中關于數據合并和重述的章節做個使用方法的總結。

文中代碼塊主要有pandas官網教程提供。

1 concat

concat函數是在pandas底下的方法，可以將數據根據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)

參數說明 

objs: series，dataframe或者是panel構成的序列lsit 

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來識別數據源自于哪張表，可以增加key參數

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的參數傳入，可以指定根據那個軸來對齊數據 

例如根據df1表對齊數據，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，置true，合并的兩個表就睡根據列字段對齊，然后合并。最后再重新整理一個新的index。 

1.5 合并的同時增加區分數據組的鍵

前面提到的keys參數可以用來給合并后的表增加key來區分不同的表數據來源

1.5.1 可以直接用key參數實現

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 字典就夠的數據作為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。

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的內存鏈接操作，官網文檔提到它的性能會比其他開源語言的數據操作（例如R）要高效。

和SQL語句的對比可以看這里

merge的參數

on：列名，join用來對齊的那一列的名字，用到這個參數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：數據融合的方法。

sort：根據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。

merge的默認合并方法：

    merge用于表內部基于 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指定數據合并對齊的列

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據

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

right

只保留右表的所有數據

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，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

join中的how參數和merge中的how參數一樣，用來指定表合并保留數據的規則。

具體可見前面的 how 說明。

1.3.2 on 參數

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

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lsuffix 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來更新數據

1.5.2 update

如果要用一張表中的數據來更新另一張表的數據則可以用update來實現

1.5.3 combine_first 和 update 的區別

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 數據合并連接（merge、join、concat)的文章就介紹到這了,更多相關pandas中DataFrame 數據合并內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！