公衆號:尤而小屋
作者:Peter
編輯:Peter
大家好,我是Peter~
圖解pandas數據合併:concat+join+append
在上一篇文章中介紹過pandas中最爲常用的一個合併函數merge的使用,本文中介紹的是另外3個與合併操作相關的函數:
- concat
- join
- append
Pandas連載
本文是Pandas數據分析庫的第15篇,歡迎閱讀:
模擬數據
首先是模擬幾份不同的數據:
import pandas as pd
import numpy as np
concat
concat也是一個常用的合併函數,下面通過具體例子來介紹它的使用。
參數
pandas.concat(objs, # 合併對象
axis=0, # 合併方向,默認是0縱軸方向
join='outer', # 合併取的是交集inner還是並集outer
ignore_index=False, # 合併之後索引是否重新
keys=None, # 在行索引的方向上帶上原來數據的名字;主要是用於層次化索引,可以是任意的列表或者數組、元組數據或者列表數組
levels=None, # 指定用作層次化索引各級別上的索引,如果是設置了keys
names=None, # 行索引的名字,列表形式
verify_integrity=False, # 檢查行索引是否重複;有則報錯
sort=False, # 對非連接的軸進行排序
copy=True # 是否進行深拷貝
)
默認情況
默認情況是直接在縱向上進行合併
axis
指定合併的方向
如果某個數據框中不存在,則會顯示爲NaN:
- 根據實際數據調整合並的方向,默認是axis=0
- 某個數據庫中不存在的數據,用NaN代替
參數ignore_index
是否保留原表索引,默認保留,爲 True 會自動增加自然索引。
參數join
指定取得交集inner還是並集outer,默認是並集outer
df3和df4只有地址這個字段是相同的,所以保留了它,其他的捨棄了:
參數keys
當我們設置了索引重排(ignore_index=True),keys參數就無效啦
參數name
指定每個層級索引的名字
我們可以檢查下df6的索引,發現是層級索引:
合併多個DataFrame
同時合併df1、df2、df5
pd.concat([pd.concat([df1,df2],axis=0,ignore_index=True),df5],axis=1)
分兩步來實現:先合併df1、df2,將得到的結果和df5合併
join
參數
來自官網的參數說明:
dataframe.join(other, # 待合併的另一個數據框
on=None, # 連接的鍵
how='left', # 連接方式:‘left’, ‘right’, ‘outer’, ‘inner’ 默認是left
lsuffix='', # 左邊(第一個)數據框相同鍵的後綴
rsuffix='', # 第二個數據框的鍵的後綴
sort=False) # 是否根據連接的鍵進行排序;默認False
模擬數據
爲了解釋join的操作,再模擬下數據:
參數 lsuffix、rsuffix
功能是爲了添加指定的後綴
如果不指定的話,會報錯:
參數how
how參數默認是left,保留左邊的全部字段。右邊不存在的數據用NaN
改成right之後,保留右邊的全部數據:
可以在默認的參數結果中,name字段被分成了name_left和name_right,如何進行字段的合併呢???
- 先把鍵當做行索引
- 通過join合併
- 通過reset_index()重新設置索引
合併兩個數據:
最後進行索引重置的功能:
還有一種更爲簡便的方法:
合併多個DataFrame
利用join來實現多個DataFrame的合併:
如果我們想要用merge函數來實現呢?
使用how="outer",保留全部字段的數據信息
append
字面意思是“追加”。向dataframe對象中添加新的行,如果添加的列名不在dataframe對象中,將會被當作新的列進行添加
參數
DataFrame.append(other,
ignore_index=False,
verify_integrity=False,
sort=False)
參數解釋:
- other:待合併的數據。可以是pandas中的DataFrame、series,或者是Python中的字典、列表這樣的數據結構
- ignore_index:是否忽略原來的索引,生成新的自然數索引
- verify_integrity:默認是False,如果值爲True,創建相同的index則會拋出異常的錯誤
- sort:boolean,默認是None。如果self和other的列沒有對齊,則對列進行排序,並且屬性只在版本0.23.0中出現。
模擬數據
添加不同類型數據
1、Python字典
2、Series類型
3、最常用的DataFrame
默認合併
df12和df13默認合併的結果:
參數ignore_index
改變生成的索引值
參數verify_integrity
默認是False,如果值爲True,創建相同的index則會拋出異常的錯誤
案例實戰
假設現在一個excel表中有3個sheet:訂單表、訂單商品表、商品信息表:
1、訂單表
2、訂單商品表
3、商品信息表
現在我們通過合併函數將3個sheet中的內容關聯起來:
import pandas as pd
import numpy as np
# 讀取訂單表中的內容
df1 = pd.read_excel("水果訂單商品信息3個表.xlsx",sheet_name=0) # 第一個sheet的內容,索引從0開始
df1
# 讀取訂單商品表
df2 = pd.read_excel("水果訂單商品信息3個表.xlsx",sheet_name=1)
# 商品信息表
df3 = pd.read_excel("水果訂單商品信息3個表.xlsx",sheet_name="商品信息") # 可以直接指定sheet的名字name,不通過索引
df3
第一步:訂單表和訂單商品表的合併
第二步:將上面的結果和商品信息表合併
當我們得到上面的結果後,就可以完成很多的需求,舉2個例子說明:
1、不同水果的銷量和訂單數:根據水果進行分組統計數量和訂單數
2、不同區域的水果銷售額和客戶數
總結
兩篇關於pandas數據合併的文章,詳細介紹了4個函數:merge、concat、join、append的使用;其中,merge和concat最爲常用。它們可以是實現SQL中join的功能。不管是交集、並集、還是左右連接,甚至是全連接都是可以直接實現的。
上面的實戰案例數據是存放在一個Excel表中。在pandas中,我們可以從不同的來源:Excel、數據庫、本地文件夾等獲取來進行數據合併,方便後續實現我們的需求,希望本文對讀者有所幫助。