merge 通過鍵拼接列
pandas提供了一個類似於關係數據庫的連接(join)操作的方法<Strong>merage</Strong>,可以根據一個或多個鍵將不同DataFrame中的行連接起來
語法如下
- merge(left, right, how='inner', on=None, left_on=None, right_on=None,
- left_index=False, right_index=False, sort=True,
- suffixes=('_x', '_y'), copy=True, indicator=False)
on=None 用於顯示指定列名(鍵名),如果該列在兩個對象上的列名不同,則可以通過 left_on=None, right_on=None 來分別指定。或者想直接使用行索引作爲連接鍵的話,就將 left_index=False, right_index=False 設爲 True。
how='inner' 參數指的是當左右兩個對象中存在不重合的鍵時,取結果的方式:inner 代表交集;outer 代表並集;left 和 right 分別爲取一邊。
suffixes=('_x','_y') 指的是當左右對象中存在除連接鍵外的同名列時,結果集中的區分方式,可以各加一個小尾巴。
對於多對多連接,結果採用的是行的笛卡爾積。
參數說明:
left與right:兩個不同的DataFrame
how:指的是合併(連接)的方式有inner(內連接),left(左外連接),right(右外連接),outer(全外連接);默認爲inner
on : 指的是用於連接的列索引名稱。必須存在右右兩個DataFrame對象中,如果沒有指定且其他參數也未指定則以兩個DataFrame的列名交集做爲連接鍵
left_on:左則DataFrame中用作連接鍵的列名;這個參數中左右列名不相同,但代表的含義相同時非常有用。
right_on:右則DataFrame中用作 連接鍵的列名
left_index:使用左則DataFrame中的行索引做爲連接鍵
right_index:使用右則DataFrame中的行索引做爲連接鍵
sort:默認爲True,將合併的數據進行排序。在大多數情況下設置爲False可以提高性能
suffixes:字符串值組成的元組,用於指定當左右DataFrame存在相同列名時在列名後面附加的後綴名稱,默認爲('_x','_y')
copy:默認爲True,總是將數據複製到數據結構中;大多數情況下設置爲False可以提高性能
indicator:在 0.17.0中還增加了一個顯示合併數據中來源情況;如只來自己於左邊(left_only)、兩者(both)
merge一些特性示例:
1.默認以重疊的列名當做連接鍵。
- In [16]: df1=DataFrame({'key':['a','b','b'],'data1':range(3)})
- In [17]: df2=DataFrame({'key':['a','b','c'],'data2':range(3)})
- In [18]: pd.merge(df1,df2) #沒有指定連接鍵,默認用重疊列名,沒有指定連接方式
- Out[18]:
- data1 key data2
- 0 0 a 0
- 1 1 b 1
- 2 2 b 1
2.默認做inner連接(取key的交集),連接方式還有(left,right,outer),制定連接方式加參數:how=''
- In [19]: pd.merge(df2,df1)
- Out[19]:
- data2 key data1
- 0 0 a 0
- 1 1 b 1
- 2 1 b 2 #默認內連接,可以看見c沒有連接上。
- In [20]: pd.merge(df2,df1,how='left') #通過how,指定連接方式
- Out[20]:
- data2 key data1
- 0 0 a 0
- 1 1 b 1
- 2 1 b 2
- 3 2 c NaN
3.多鍵連接時將連接鍵組成列表傳入,例:pd.merge(df1,df2,on=['key1','key2']
- In [23]: right=DataFrame({'key1':['foo','foo','bar','bar'],
- ...: 'key2':['one','one','one','two'],
- ...: 'lval':[4,5,6,7]})
- In [24]: left=DataFrame({'key1':['foo','foo','bar'],
- ...: 'key2':['one','two','one'],
- ...: 'lval':[1,2,3]})
- In [25]: right=DataFrame({'key1':['foo','foo','bar','bar'],
- ...: 'key2':['one','one','one','two'],
- ...: 'lval':[4,5,6,7]})
- In [26]: pd.merge(left,right,on=['key1','key2'],how='outer') #傳出數組
- Out[26]:
- key1 key2 lval_x lval_y
- 0 foo one 1 4
- 1 foo one 1 5
- 2 foo two 2 NaN
- 3 bar one 3 6
- 4 bar two NaN 7
4.如果兩個對象的列名不同,可以分別指定,例:pd.merge(df1,df2,left_on='lkey',right_on='rkey')
- In [31]: df3=DataFrame({'key3':['foo','foo','bar','bar'], #將上面的right的key 改了名字
- ...: 'key4':['one','one','one','two'],
- ...: 'lval':[4,5,6,7]})
- In [32]: pd.merge(left,df3,left_on='key1',right_on='key3') #鍵名不同的連接
- Out[32]:
- key1 key2 lval_x key3 key4 lval_y
- 0 foo one 1 foo one 4
- 1 foo one 1 foo one 5
- 2 foo two 2 foo one 4
- 3 foo two 2 foo one 5
- 4 bar one 3 bar one 6
- 5 bar one 3 bar two 7
5.以索引當做連接鍵,使用參數left_index=true,right_index=True (最好使用join)
join 拼接列,主要用於索引上的合併
join方法提供了一個簡便的方法用於將兩個DataFrame中的不同的列索引合併成爲一個DataFrame
- join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):
1.默認按索引合併,可以合併相同或相似的索引,不管他們有沒有重疊列。
2.可以連接多個DataFrame
3.可以連接除索引外的其他列
4.連接方式用參數how控制
5.通過lsuffix='', rsuffix='' 區分相同列名的列
concat 可以沿着一條軸將多個對象堆疊到一起
- concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
- keys=None, levels=None, names=None, verify_integrity=False, copy=True):
本函數的全部參數爲:
- pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False)。
1.作用於Series時,如果在axis=0時,類似union。axis=1 時,組成一個DataFrame,索引是union後的,列是類似join後的結果。
2.通過參數join_axes=[] 指定自定義索引。
3.通過參數keys=[] 創建層次化索引
4.通過參數ignore_index=True 重建索引。
- In [5]: df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])
- In [6]: df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])
- In [7]: pd.concat([df1,df2])
- Out[7]:
- a b c d
- 0 -0.848557 -1.163877 -0.306148 -1.163944
- 1 1.358759 1.159369 -0.532110 2.183934
- 2 0.532117 0.788350 0.703752 -2.620643
- 0 -0.316156 -0.707832 NaN -0.416589
- 1 0.406830 1.345932 NaN -1.874817
- In [8]: pd.concat([df1,df2],ignore_index=True)
- Out[8]:
- a b c d
- 0 -0.848557 -1.163877 -0.306148 -1.163944
- 1 1.358759 1.159369 -0.532110 2.183934
- 2 0.532117 0.788350 0.703752 -2.620643
- 3 -0.316156 -0.707832 NaN -0.416589
- 4 0.406830 1.345932 NaN -1.874817