pandas的拼接操作
pandas的拼接分為兩種:
- 級聯:pd.concat, pd.append
- 合並:pd.merge, pd.join
1. 使用pd.concat()級聯
pandas使用pd.concat函數,與np.concatenate函數類似,只是多了一些參數:
objs
axis=0
keys
join='outer' / 'inner':表示的是級聯的方式,outer會將所有的項進行級聯(忽略匹配和不匹配),而inner只會將匹配的項級聯到一起,不匹配的不級聯
ignore_index=False
1)匹配級聯
In [1]:
import numpy as np import pandas as pd from pandas import Series,DataFrame
In [2]:
df1 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','b','c'],columns=['A','B','C']) df2 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','d','c'],columns=['A','d','C'])
In [7]:
pd.concat((df1,df1),axis=0,join='inner')
Out[7]:
2) 不匹配級聯
不匹配指的是級聯的維度的索引不一致。例如縱向級聯時列索引不一致,橫向級聯時行索引不一致
有2種連接方式:
- 外連接:補NaN(默認模式)
- 內連接:只連接匹配的項
In [11]:
pd.concat((df1,df2),axis=1,join='outer')
Out[11]:
3) 使用df.append()函數添加
由於在后面級聯的使用非常普遍,因此有一個函數append專門用於在后面添加
2. 使用pd.merge()合並
merge與concat的區別在於,merge需要依據某一共同的列來進行合並
使用pd.merge()合並時,會自動根據兩者相同column名稱的那一列,作為key來進行合並。
注意每一列元素的順序不要求一致
參數:
- how:out取並集 inner取交集
- on:當有多列相同的時候,可以使用on來指定使用那一列進行合並,on的值為一個列表
1) 一對一合並
In [12]:
df1 = DataFrame({'employee':['Bob','Jake','Lisa'], 'group':['Accounting','Engineering','Engineering'], }) df1
Out[12]:
In [13]:
df2 = DataFrame({'employee':['Lisa','Bob','Jake'], 'hire_date':[2004,2008,2012], }) df2
Out[13]:
In [14]:
pd.merge(df1,df2,how='outer')
Out[14]:
2) 多對一合並
In [15]:
df3 = DataFrame({ 'employee':['Lisa','Jake'], 'group':['Accounting','Engineering'], 'hire_date':[2004,2016]}) df3
Out[15]:
In [16]:
df4 = DataFrame({'group':['Accounting','Engineering','Engineering'], 'supervisor':['Carly','Guido','Steve'] }) df4
Out[16]:
In [17]:
pd.merge(df3,df4)
Out[17]:
3) 多對多合並
In [18]:
df1 = DataFrame({'employee':['Bob','Jake','Lisa'], 'group':['Accounting','Engineering','Engineering']}) df1
Out[18]:
In [19]:
df5 = DataFrame({'group':['Engineering','Engineering','HR'], 'supervisor':['Carly','Guido','Steve'] }) df5
Out[19]:
In [21]:
pd.merge(df1,df5,how='outer')
Out[21]:
- 加載excl數據:pd.read_excel('excl_path',sheetname=1)
4) key的規范化
- 當列沖突時,即有多個列名稱相同時,需要使用on=來指定哪一個列作為key,配合suffixes指定沖突列名
In [10]:
df1 = DataFrame({'employee':['Jack',"Summer","Steve"], 'group':['Accounting','Finance','Marketing']})
In [11]:
df2 = DataFrame({'employee':['Jack','Bob',"Jake"], 'hire_date':[2003,2009,2012], 'group':['Accounting','sell','ceo']})
In [22]:
display(df1,df2)
- 當兩張表沒有可進行連接的列時,可使用left_on和right_on手動指定merge中左右兩邊的哪一列列作為連接的列
In [12]:
df1 = DataFrame({'employee':['Bobs','Linda','Bill'], 'group':['Accounting','Product','Marketing'], 'hire_date':[1998,2017,2018]})
In [13]:
df5 = DataFrame({'name':['Lisa','Bobs','Bill'], 'hire_dates':[1998,2016,2007]})
In [23]:
display(df1,df5)
5) 內合並與外合並:out取並集 inner取交集
- 內合並:只保留兩者都有的key(默認模式)
In [25]:
df6 = DataFrame({'name':['Peter','Paul','Mary'], 'food':['fish','beans','bread']} ) df7 = DataFrame({'name':['Mary','Joseph'], 'drink':['wine','beer']})
In [26]:
display(df6,df7)
- 外合並 how='outer':補NaN
In [27]:
df6 = DataFrame({'name':['Peter','Paul','Mary'], 'food':['fish','beans','bread']} ) df7 = DataFrame({'name':['Mary','Joseph'], 'drink':['wine','beer']}) display(df6,df7) pd.merge()