简体中文(ZH-CN) English(EN) 繁体中文(ZH-TW) 日本語(JA) 한국어(KO)
집 > 백엔드 개발 > 파이썬 튜토리얼 > 본문

Python数据分析之concat与merge函数（实例详解）

WBOY
풀어 주다： 2022-05-27 20:59:34
앞으로
2796명이 탐색했습니다.

本篇文章给大家带来了关于python的相关知识，其中主要介绍了关于数据合并的相关问题，包括了concat函数与merge函数等内容，下面一起来看一下，希望对大家有帮助。

Python数据分析之concat与merge函数（实例详解）

推荐学习：python视频教程

一、concat函数

  1. concat()函数可以沿着一条轴将多个对象进行堆叠，其使用方式类似数据库中的数据表合并
    pandas.concat(objs, axis=0, join=’outer’, join_axes=None, ignore_index=False, keys=None, levels=None, verify_integrity=False, sort=None, copy=True)
  2. 参数含义如下：
参数 作用
axis 表示连接的轴向，可以为0或者1，默认为0
join 表示连接的方式，inner表示内连接，outer表示外连接，默认使用外连接
ignore_index 接收布尔值，默认为False。如果设置为True，则表示清除现有索引并重置索引值
keys 接收序列，表示添加最外层索引
levels 用于构建MultiIndex的特定级别（唯一值）
names 设置了keys和level参数后，用于创建分层级别的名称
verify_integerity 检查新的连接轴是否包含重复项。接收布尔值，当设置为True时，如果有重复的轴将会抛出错误，默认为False
  1. 根据轴方向的不同，可以将堆叠分成横向堆叠与纵向堆叠，默认采用的是纵向堆叠方式

这里是引用

  1. 在堆叠数据时，默认采用的是外连接（join参数设为outer）的方式进行合并，当然也可以通过join=inner设置为内连接的方式。

在这里插入图片描述

1)横向堆叠与外连接

import pandas as pd
df1=pd.DataFrame({'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})df1
로그인 후 복사

在这里插入图片描述

df2=pd.DataFrame({'C':['C0','C1','C2'],
                  'D':['D0','D1','D2']})df2
로그인 후 복사

在这里插入图片描述

横向堆叠合并df1和df2,采用外连接的方式

pd.concat([df1,df2],join='outer',axis=1)
로그인 후 복사

在这里插入图片描述

2) 纵向堆叠与内链接

import pandas as pd
first=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2'],
                   'C':['C0','C1','C2']})first
로그인 후 복사

在这里插入图片描述

second=pd.DataFrame({'B':['B3','B4','B5'],
                   'C':['C3','C4','C5'],
                    'D':['D3','D4','D5']})second
로그인 후 복사

在这里插入图片描述

  1. 当使用concat()函数合并时，若是将axis参数的值设为0，且join参数的值设为inner,则代表着使用纵向堆叠与内连接的方式进行合并
pd.concat([first,second],join='inner',axis=0)
로그인 후 복사

在这里插入图片描述

二、merge()函数

1）主键合并数据

  1. 在使用merge()函数进行合并时，默认会使用重叠的列索引做为合并键，并采用内连接方式合并数据，即取行索引重叠的部分。
import pandas as pd
left=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})left
로그인 후 복사

在这里插入图片描述

right=pd.DataFrame({'key':['K0','K1','K2','K3'],
                   'C':['C0','C1','C2','C3'],
                   'D':['D0','D1','D2','D3']})right
로그인 후 복사

在这里插入图片描述

pd.merge(left,right,on='key')
로그인 후 복사

在这里插入图片描述

2）merge()函数还支持对含有多个重叠列的DataFrame对象进行合并。

import pandas as pd
data1=pd.DataFrame({'key':['K0','K1','K2'],
                  'A':['A0','A1','A2'],
                  'B':['B0','B1','B2']})data1
로그인 후 복사

在这里插入图片描述

data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
                         'B':['B0','B1','B2','B5'],
                         'C':['C0','C1','C2','C3'],
                         'D':['D0','D1','D2','D3']})data2
로그인 후 복사

在这里插入图片描述

pd.merge(data1,data2,on=['key','B'])
로그인 후 복사

在这里插入图片描述

1）根据行索引合并数据

  1. join()方法能够通过索引或指定列来连接多个DataFrame对象
  2. join（other，on = None，how =‘left’，lsuffix =‘’，rsuffix =‘’，sort = False ）
参数 作用
on 名称，用于连接列名
how 可以从{‘‘left’’ ,‘‘right’’, ‘‘outer’’, ‘‘inner’’}中任选一个，默认使用左连接的方式。
sort 根据连接键对合并的数据进行排序，默认为False 
import pandas as pd
data3=pd.DataFrame({'A':['A0','A1','A2'],
                   'B':['B0','B1','B2']})data3
로그인 후 복사

在这里插入图片描述

data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                         'D': ['D0', 'D1', 'D2']},
                     index=['a','b','c'])data3.join(data4,how='outer')  # 外连接
로그인 후 복사

在这里插入图片描述

data3.join(data4,how='left')  #左连接
로그인 후 복사

在这里插入图片描述

data3.join(data4,how='right')  #右连接
로그인 후 복사

在这里插入图片描述

data3.join(data4,how='inner')  #内连接
로그인 후 복사

在这里插入图片描述

import pandas as pd
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                        'B': ['B0', 'B1', 'B2'],
                      'key': ['K0', 'K1', 'K2']})left
로그인 후 복사

在这里插入图片描述

right = pd.DataFrame({'C': ['C0', 'C1','C2'],
                         'D': ['D0', 'D1','D2']},
                        index=['K0', 'K1','K2'])right
로그인 후 복사

s
on参数指定连接的列名

left.join(right,how='left',on='key')  #on参数指定连接的列名
로그인 후 복사

在这里插入图片描述

2）合并重叠数据

当DataFrame对象中出现了缺失数据，而我们希望使用其他DataFrame对象中的数据填充缺失数据，则可以通过combine_first()方法为缺失数据填充。

import pandas as pdimport numpy as npfrom numpy import NAN
left = pd.DataFrame({'A': [np.nan, 'A1', 'A2', 'A3'],
                        'B': [np.nan, 'B1', np.nan, 'B3'],
                        'key': ['K0', 'K1', 'K2', 'K3']})left
로그인 후 복사

在这里插入图片描述

right = pd.DataFrame({'A': ['C0', 'C1','C2'],
                         'B': ['D0', 'D1','D2']},
                         index=[1,0,2])right
로그인 후 복사

在这里插入图片描述
用right的数据填充left缺失的部分

left.combine_first(right) # 用right的数据填充left缺失的部分
로그인 후 복사

在这里插入图片描述

推荐学习：python视频教程

위 내용은 Python数据分析之concat与merge函数（实例详解）의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

관련 라벨：
python
원천：csdn.net
이전 기사：实例详解Python面向对象的四大特征 다음 기사：Python 3.11中的最佳新功能和功能修复
본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.
저자별 최신 기사
최신 이슈
如何在 google chrome 中从 HTML 运行 python 脚本？ 我正在构建一个chrome扩展程序，我想通过单击扩展程序（基本上是HTML）中的按钮来运行我的PC中的python脚本。python脚本使用seleniumweb-driver从网...
에서 2023-11-02 23:34:24
0
1
400
为什么一些mysql连接在删除+插入后选择mysql数据库的旧数据？ 我的python/wsgiWeb应用程序中的会话出现问题。2个wsgi守护进程中的每个线程都有一个不同的、持久的mysqldb连接。有时，在删除旧会话并创建新会话后，某些连接仍然会...
에서 2023-10-30 12:37:20
0
2
229
Python中使用变量执行SQL语句 我有以下Python代码：cursor.execute("INSERTINTOtableVALUESvar1,var2,var3,")其中var1是整数，var...
에서 2023-10-12 15:06:00
0
2
258
理解Python中的三元运算符 [重复] 我目前正在从JavaScript过渡到Python，并且我想知道Python是否有类似于JavaScript的三元运算符。在JavaScript中，我会这样写一个三元操作：leta...
에서 2023-09-21 18:46:04
0
1
377
如何使用Python匹配带有附加部分的字符串，但如果它们的附加部分不同，则不匹配它们 如何匹配带有附加部分的字符串，但如果它们具有不同的附加部分，则不匹配它们？例如，如果我有一个名字列表，并且需要将其与我的数据库中的名字匹配：|MyDataBase|Foreignt...
에서 2023-09-20 19:02:23
0
1
260
관련 주제
더>
인기 추천
인기 튜토리얼
더>
관련 튜토리얼
인기 추천
최신 강좌
최신 다운로드
더>
웹 효과
웹사이트 소스 코드
웹사이트 자료
프론트엔드 템플릿
회사 소개 부인 성명 Sitemap
PHP 중국어 웹사이트：공공복지 온라인 PHP 교육，PHP 학습자의 빠른 성장을 도와주세요！