python merge、concat合并数据集,Python concat函数
这篇文章已经给大家带来了一些关于python的知识,包括数据合并,包括concat函数和merge函数。下面就来看看吧,希望对你有帮助。
推荐:python视频教程
00-1010Concat()函数可以沿一个轴堆叠多个对象,其用法类似于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)参数的含义如下:参数动作轴表示连接的轴,可以是0,也可以是1。默认值为0join,inner表示内部连接,outer表示外部连接,默认值为False。如果设置为True,则意味着清除现有索引并重置索引值的键接收顺序,这意味着添加最外面的索引级别。用于构建MultiIndex的特定级别(唯一值)名称。在设置了键和级别参数之后,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。接收一个布尔值。当设置为True时,如果有重复的轴,将会引发错误。默认值为False。根据坐标轴方向的不同,叠加可分为水平叠加和垂直叠加,默认为纵向堆叠方式.
叠加数据时,默认采用外连接(join参数设置为outer)进行合并,当然也可以将join=inner设置为inner join。
一、concat函数
进口熊猫作为pd
df1=pd。DataFrame({A:[A0 , A1 , A2],
B:[B0 , B1 , B2 ]}]df1
df2=pd。DataFrame({C:[C0 , C1 , C2],
D:[D0 , D1 , D2]})df2
1)横向堆叠与外连接
pd.concat([df1,df2],join=outer ,axis=1)
横向堆叠合并df1和df2,采用外连接的方式
进口熊猫作为pd
first=pd。DataFrame({A:[A0 , A1 , A2],
B:[B0 , B1 , B2],
C:[C0 , C1 , C2 ]}]第一
秒=pd。DataFrame({B:[B3 , B4 , B5],
C:[
9;C3','C4','C5'],
'D':['D3','D4','D5']})second
- 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)
二、merge()函数
1)主键合并数据
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
right=pd.DataFrame({'key':['K0','K1','K2','K3'],
pd.merge(left,right,on='key')
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
data2=pd.DataFrame({'key':['K0','K5','K2','K4'],
pd.merge(data1,data2,on=['key','B'])
1)根据行索引合并数据
- join()方法能够通过索引或指定列来连接多个DataFrame对象
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
data4=pd.DataFrame({'C': ['C0', 'C1', 'C2'],
data3.join(data4,how='left') #左连接
data3.join(data4,how='right') #右连接
data3.join(data4,how='inner') #内连接
import pandas as pd
right = pd.DataFrame({'C': ['C0', 'C1','C2'],
left.join(right,how='left',on='key') #on参数指定连接的列名
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
right = pd.DataFrame({'A': ['C0', 'C1','C2'],
left.combine_first(right) # 用right的数据填充left缺失的部分
推荐学习:python视频教程以上就是Python数据分析之concat与merge函数(实例详解)的详细内容,更多请关注盛行IT软件开发工作室其它相关文章!
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。