pd. concat,python的concat
本文主要一次介绍Python中pd.concat和pd.merge的透彻讲解。通过示例代码进行了非常详细的介绍,对于大家的学习或者工作都有一定的参考价值。有需要的朋友下面跟边肖学习。
00-1010数据拼接:pd.concat数据关联3360 PD。合并数据合并和关联的区别是数据处理中常见的问题。每个人都可以使用join、uion all等。在SQL和HQL中,Pandas也有同样的功能来满足数据处理的需求。个人感觉熊猫处理数据非常方便,数据处理效率高,可以满足不同的业务需求。
目录
Concat是一个熊猫级别的函数,用于拼接或合并数据,可以根据不同的轴进行水平或垂直拼接。
函数参数
pd.concat(
objs : Iterable[NDFrame] Mapping[has hable,NDFrame],
轴=0,
join=outer ,
ignore_index: bool=False,
keys=无,
级别=无,
姓名=无,
verify _ integrity : bool =False,
sort: bool=False,
copy: bool=True,
)- FrameOrSeriesUnion
Objs:合并后的数据集一般以列表方式导入,例如:【df1,df2,df3】axis:指定数据拼接时的轴,0为行,按行方向拼接;1是列,join是列方向拼接:拼接方式是inner或者outer,和sql中的意思一样。实际工作中经常用到以上三个参数,其他参数就不介绍了。
案例:
模拟数据
横向拼接
横向拼接-1
具有相同字段的列是堆叠的,具有不同字段的列是分开存储的,缺少的值用NAN填充。在这里,模拟数据被转换,并用相同的场进行演示。
横向拼接-2
纵向拼接
纵向拼接
可以看出,在垂直拼接时,会通过索引进行关联,从而将同名的结果放在一起,而不是简单的叠加。
数据拼接:pd.concat
数据关联基本上与SQL中的join相同。一次可以关联两个数据表。左表和右表有区别。您需要指定相关的字段。
函数参数
pd.merge(
left: 数据帧系列,
right: 数据帧系列,
how: str=inner ,
: IndexLabel None=None,
left_on: IndexLabel None=无,
right _ on : index label None =无,
left_index: bool=False,
right_index: bool=False,
sort: bool=False,
后缀: 后缀=(_x , _y ),
copy: bool=True,
indicator: bool=False,
validate: str None=None,
)-数据帧
左:左表右:右表how:关联方法,{ 左,右,外,内,跨 }。默认的关联方法是“inner”on:关联期间指定的字段,left_on由两个表共享:在关联期间使用左表中的字段。当两个表不共享相关字段时,
案例:
数据关联
merge的使用类似于SQL中的join,基本上是一样的,内连接和外连接都有。基本不难用。
数据关联:pd.merge
Concat只是pandas下的方法,merge是pandas下的方法,DataFrame下的方法。concat可以横向和纵向拼接,也起到了联想的作用。merge只能关联,即垂直拼接concat可以同时处理多个数据帧data frames。合并只能同时处理两个数据框。这篇关于彻底解释Python中pd.concat和pd.merge的文章在这里。有关Python pd.concat和pd.merge的更多信息,请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。