Python 数据分析三剑客之 Pandas（七）：合并数据集
CSDN 課程推薦：《邁向數(shù)據(jù)科學(xué)家：帶你玩轉(zhuǎn)Python數(shù)據(jù)分析》，講師齊偉，蘇州研途教育科技有限公司CTO，蘇州大學(xué)應(yīng)用統(tǒng)計(jì)專業(yè)碩士生指導(dǎo)委員會(huì)委員；已出版《跟老齊學(xué)Python：輕松入門(mén)》《跟老齊學(xué)Python：Django實(shí)戰(zhàn)》、《跟老齊學(xué)Python：數(shù)據(jù)分析》和《Python大學(xué)實(shí)用教程》暢銷圖書(shū)。
Pandas 系列文章：
- Python 數(shù)據(jù)分析三劍客之 Pandas（一）：認(rèn)識(shí) Pandas 及其 Series、DataFrame 對(duì)象
- Python 數(shù)據(jù)分析三劍客之 Pandas（二）：Index 索引對(duì)象以及各種索引操作
- Python 數(shù)據(jù)分析三劍客之 Pandas（三）：算術(shù)運(yùn)算與缺失值的處理
- Python 數(shù)據(jù)分析三劍客之 Pandas（四）：函數(shù)應(yīng)用、映射、排序和層級(jí)索引
- Python 數(shù)據(jù)分析三劍客之 Pandas（五）：統(tǒng)計(jì)計(jì)算與統(tǒng)計(jì)描述
- Python 數(shù)據(jù)分析三劍客之 Pandas（六）：GroupBy 數(shù)據(jù)分裂、應(yīng)用與合并
- Python 數(shù)據(jù)分析三劍客之 Pandas（七）：合并數(shù)據(jù)集
- Python 數(shù)據(jù)分析三劍客之 Pandas（八）：數(shù)據(jù)重塑、重復(fù)數(shù)據(jù)處理與數(shù)據(jù)替換
- Python 數(shù)據(jù)分析三劍客之 Pandas（九）：時(shí)間序列
- Python 數(shù)據(jù)分析三劍客之 Pandas（十）：數(shù)據(jù)讀寫(xiě)
另有 NumPy、Matplotlib 系列文章已更新完畢，歡迎關(guān)注：
- NumPy 系列文章：https://itrhx.blog.csdn.net/category_9780393.html
- Matplotlib 系列文章：https://itrhx.blog.csdn.net/category_9780418.html
推薦學(xué)習(xí)資料與網(wǎng)站（博主參與部分文檔翻譯）：
- NumPy 官方中文網(wǎng)：https://www.numpy.org.cn/
- Pandas 官方中文網(wǎng)：https://www.pypandas.cn/
- Matplotlib 官方中文網(wǎng)：https://www.matplotlib.org.cn/
- NumPy、Matplotlib、Pandas 速查表：https://github.com/TRHX/Python-quick-reference-table
文章目錄
- 【01x00】concat
- 【02x00】append
- 【03x00】merge
- 【03x01】一對(duì)一連接
- 【03x02】多對(duì)一連接
- 【03x03】多對(duì)多連接
- 【03x04】參數(shù) on / left_on / right_on
- 【03x05】參數(shù) how
- 【03x06】參數(shù) suffixes
- 【03x07】參數(shù) left_index / right_index
- 【04x00】join
- 【05x00】四種方法的區(qū)別
這里是一段防爬蟲(chóng)文本，請(qǐng)讀者忽略。 本文原創(chuàng)首發(fā)于 CSDN，作者 TRHX。 博客首頁(yè)：https://itrhx.blog.csdn.net/ 本文鏈接：https://itrhx.blog.csdn.net/article/details/106830112 未經(jīng)授權(quán)，禁止轉(zhuǎn)載！惡意轉(zhuǎn)載，后果自負(fù)！尊重原創(chuàng)，遠(yuǎn)離剽竊！
【01x00】concat
pandas.concat 可以沿著指定軸將多個(gè)對(duì)象堆疊到一起。
官方文檔：https://pandas.pydata.org/docs/reference/api/pandas.concat.html
基本語(yǔ)法：
pandas.concat(objs: Union[Iterable[‘DataFrame’], Mapping[Optional[Hashable], ‘DataFrame’]],axis='0',join: str = "'outer'",ignore_index: bool = 'False',keys='None',levels='None',names='None',verify_integrity: bool = 'False',sort: bool = 'False',copy: bool = 'True') → ’DataFrame’ pandas.concat(objs: Union[Iterable[FrameOrSeriesUnion], Mapping[Optional[Hashable], FrameOrSeriesUnion]],axis='0',join: str = "'outer'",ignore_index: bool = 'False',keys='None',levels='None',names='None',verify_integrity: bool = 'False',sort: bool = 'False',copy: bool = 'True') → FrameOrSeriesUnion常用參數(shù)描述：
| objs | Series 或 DataFrame 對(duì)象的序列或映射，要合并的對(duì)象 |
| axis | 沿指定軸合并，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| join | 如何處理其他軸（或多個(gè)軸）上的索引，可取值：‘inner’，‘outer’（默認(rèn)值） ‘outer’：當(dāng) axis = 0 時(shí)，列名相同的列會(huì)合并，其余列都保留（并集），空值填充； ‘inner’：當(dāng) axis = 0 時(shí)，列名相同的列會(huì)合并，其余列都舍棄（交集） |
| ignore_index | bool 類型，連接后的值是否使用原索引值，如果為 True，則索引將會(huì)是 0, 1, …, n-1 |
| keys | 序列形式，默認(rèn) None，傳遞 keys 后，會(huì)構(gòu)造一個(gè)層次索引，即 MultiIndex 對(duì)象，keys 為最外層索引 |
| levels | 用于構(gòu)造 MultiIndex 的特定級(jí)別（唯一值）。未指定則將從鍵中推斷出來(lái) |
| names | 列表類型，為索引添加標(biāo)簽 |
| verify_integrity | bool 類型，是否檢查合并后的索引有無(wú)重復(fù)項(xiàng)，設(shè)置為 True 若有重復(fù)項(xiàng)則會(huì)報(bào)錯(cuò) |
| sort | 當(dāng) join='outer' 時(shí)對(duì)列索引進(jìn)行排序。當(dāng) join='inner' 時(shí)此操作無(wú)效 |
合并兩個(gè) Series 對(duì)象：
>>> import pandas as pd >>> obj1 = pd.Series(['a', 'b']) >>> obj2 = pd.Series(['c', 'd']) >>> pd.concat([obj1, obj2]) 0 a 1 b 0 c 1 d dtype: object設(shè)置 ignore_index=True，放棄原有的索引值：
>>> import pandas as pd >>> obj1 = pd.Series(['a', 'b']) >>> obj2 = pd.Series(['c', 'd']) >>> pd.concat([obj1, obj2], ignore_index=True) 0 a 1 b 2 c 3 d dtype: object設(shè)置 keys 參數(shù)，添加最外層的索引：
>>> import pandas as pd >>> obj1 = pd.Series(['a', 'b']) >>> obj2 = pd.Series(['c', 'd']) >>> pd.concat([obj1, obj2], keys=['s1', 's2']) s1 0 a1 b s2 0 c1 d dtype: object設(shè)置 names 參數(shù)，為索引添加標(biāo)簽：
>>> import pandas as pd >>> obj1 = pd.Series(['a', 'b']) >>> obj2 = pd.Series(['c', 'd']) >>> pd.concat([obj1, obj2], keys=['s1', 's2'], names=['Series name', 'Row ID']) Series name Row ID s1 0 a1 b s2 0 c1 d dtype: object合并 DataFrame 對(duì)象：
>>> import pandas as pd >>> obj1 = pd.DataFrame([['a', 1], ['b', 2]], columns=['letter', 'number']) >>> obj2 = pd.DataFrame([['c', 3], ['d', 4]], columns=['letter', 'number']) >>> obj1letter number 0 a 1 1 b 2 >>> >>> obj2letter number 0 c 3 1 d 4 >>> >>> pd.concat([obj1, obj2])letter number 0 a 1 1 b 2 0 c 3 1 d 4合并 DataFrame 對(duì)象，不存在的值將會(huì)被 NaN 填充：
>>> import pandas as pd >>> obj1 = pd.DataFrame([['a', 1], ['b', 2]], columns=['letter', 'number']) >>> obj2 = pd.DataFrame([['c', 3, 'cat'], ['d', 4, 'dog']], columns=['letter', 'number', 'animal']) >>> obj1letter number 0 a 1 1 b 2 >>> >>> obj2letter number animal 0 c 3 cat 1 d 4 dog >>> >>> pd.concat([obj1, obj2])letter number animal 0 a 1 NaN 1 b 2 NaN 0 c 3 cat 1 d 4 dog合并 DataFrame 對(duì)象，設(shè)置 join="inner" 不存在的列將會(huì)舍棄：
>>> import pandas as pd >>> obj1 = pd.DataFrame([['a', 1], ['b', 2]], columns=['letter', 'number']) >>> obj2 = pd.DataFrame([['c', 3, 'cat'], ['d', 4, 'dog']], columns=['letter', 'number', 'animal']) >>> obj1letter number 0 a 1 1 b 2 >>> >>> obj2letter number animal 0 c 3 cat 1 d 4 dog >>> >>> pd.concat([obj1, obj2], join="inner")letter number 0 a 1 1 b 2 0 c 3 1 d 4合并 DataFrame 對(duì)象，設(shè)置 axis=1 沿 y 軸合并（增加列）：
>>> import pandas as pd >>> obj1 = pd.DataFrame([['a', 1], ['b', 2]], columns=['letter', 'number']) >>> obj2 = pd.DataFrame([['bird', 'polly'], ['monkey', 'george']], columns=['animal', 'name']) >>> obj1letter number 0 a 1 1 b 2 >>> >>> obj2animal name 0 bird polly 1 monkey george >>> >>> pd.concat([obj1, obj2], axis=1)letter number animal name 0 a 1 bird polly 1 b 2 monkey george設(shè)置 verify_integrity=True ，檢查新的索引是否有重復(fù)項(xiàng)，有重復(fù)項(xiàng)會(huì)報(bào)錯(cuò)：
>>> import pandas as pd >>> obj1 = pd.DataFrame([1], index=['a']) >>> obj2 = pd.DataFrame([2], index=['a']) >>> obj10 a 1 >>> >>> obj20 a 2 >>> >>> pd.concat([obj1, obj2], verify_integrity=True) Traceback (most recent call last):... ValueError: Indexes have overlapping values: ['a']設(shè)置 sort=True，會(huì)對(duì)列索引進(jìn)行排序輸出：
>>> obj1 = pd.DataFrame([['a', 3], ['d', 2]], columns=['letter', 'number']) >>> obj2 = pd.DataFrame([['c', 1, 'cat'], ['b', 4, 'dog']], columns=['letter', 'number', 'animal']) >>> obj1letter number 0 a 3 1 d 2 >>> >>> obj2letter number animal 0 c 1 cat 1 b 4 dog >>> >>> pd.concat([obj1, obj2], sort=True)animal letter number 0 NaN a 3 1 NaN d 2 0 cat c 1 1 dog b 4【02x00】append
Append 方法事實(shí)上是在一個(gè) Series / DataFrame 對(duì)象后最追加另一個(gè) Series / DataFrame 對(duì)象并返回一個(gè)新對(duì)象，不改變?cè)瓕?duì)象的值。
基本語(yǔ)法：
-
Series.append(self, to_append, ignore_index=False, verify_integrity=False)
-
DataFrame.append(self, other, ignore_index=False, verify_integrity=False, sort=False)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.append.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.append.html
參數(shù)描述：
| to_append / other | 要追加的數(shù)據(jù) |
| ignore_index | bool 類型，連接后的值是否使用原索引值，如果為 True，則索引將會(huì)是 0, 1, …, n-1 |
| verify_integrity | bool 類型，是否檢查合并后的索引有無(wú)重復(fù)項(xiàng)，設(shè)置為 True 若有重復(fù)項(xiàng)則會(huì)報(bào)錯(cuò) |
| sort | bool 類型，是否對(duì)列索引（columns）進(jìn)行排序，默認(rèn) False |
合并 Series 對(duì)象：
>>> import pandas as pd >>> obj1 = pd.Series([1, 2, 3]) >>> obj2 = pd.Series([4, 5, 6]) >>> obj3 = pd.Series([4, 5, 6], index=[3, 4, 5]) >>> obj1 0 1 1 2 2 3 dtype: int64 >>> >>> obj2 0 4 1 5 2 6 dtype: int64 >>> >>> obj3 3 4 4 5 5 6 dtype: int64 >>> >>> obj1.append(obj2) 0 1 1 2 2 3 0 4 1 5 2 6 dtype: int64 >>> >>> obj1.append(obj3) 0 1 1 2 2 3 3 4 4 5 5 6 dtype: int64 >>> >>> obj1.append(obj2, ignore_index=True) 0 1 1 2 2 3 3 4 4 5 5 6 dtype: int64 >>> >>> obj1.append(obj2, verify_integrity=True) Traceback (most recent call last): ... ValueError: Indexes have overlapping values: Int64Index([0, 1, 2], dtype='int64')合并 DataFrame 對(duì)象：
>>> import pandas as pd >>> obj1 = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB')) >>> obj2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB')) >>> >>> obj1A B 0 1 2 1 3 4 >>> >>> obj2A B 0 5 6 1 7 8 >>> >>> obj1.append(obj2)A B 0 1 2 1 3 4 0 5 6 1 7 8 >>> >>> obj1.append(obj2, ignore_index=True)A B 0 1 2 1 3 4 2 5 6 3 7 8以下雖然不是生成 DataFrames 的推薦方法，但演示了從多個(gè)數(shù)據(jù)源生成 DataFrames 的兩種方法：
>>> import pandas as pd >>> obj = pd.DataFrame(columns=['A']) >>> for i in range(5):obj = obj.append({'A': i}, ignore_index=True)>>> objA 0 0 1 1 2 2 3 3 4 4 >>> import pandas as pd >>> pd.concat([pd.DataFrame([i], columns=['A']) for i in range(5)], ignore_index=True)A 0 0 1 1 2 2 3 3 4 4【03x00】merge
將不同的數(shù)據(jù)源進(jìn)行合并是數(shù)據(jù)科學(xué)中常見(jiàn)的操作，這既包括將兩個(gè)不同的數(shù)據(jù)集非常簡(jiǎn)單地拼接在一起，也包括用數(shù)據(jù)庫(kù)那樣的連接（join）與合并（merge）操作處理有重疊字段的數(shù)據(jù)集。Series 與DataFrame 都具備這類操作，Pandas 的函數(shù)與方法讓數(shù)據(jù)合并變得快速簡(jiǎn)單。
數(shù)據(jù)集的合并（merge）或連接（join）運(yùn)算是通過(guò)一個(gè)或多個(gè)鍵將行連接起來(lái)的。這些運(yùn)算是關(guān)系型數(shù)據(jù)庫(kù)（基于SQL）的核心。Pandas 的 merge 函數(shù)是對(duì)數(shù)據(jù)應(yīng)用這些算法的主要切入點(diǎn)。
pandas.merge 可根據(jù)一個(gè)或多個(gè)連接鍵將不同 DataFrame 中的行連接起來(lái)。
基本語(yǔ)法：
pandas.merge(left,right,how: str = 'inner',on=None,left_on=None,right_on=None,left_index: bool = False,right_index: bool = False,sort: bool = False,suffixes='_x', '_y',copy: bool = True,indicator: bool = False,validate=None) → ’DataFrame’官方文檔：https://pandas.pydata.org/docs/reference/api/pandas.merge.html
常見(jiàn)參數(shù)描述：
| left | 參與合并的左側(cè) DataFrame 對(duì)象 |
| right | 參與合并的右側(cè) DataFrame 對(duì)象 |
| how | 合并方式，默認(rèn) 'inner' 'inner'：內(nèi)連接，即使用兩個(gè)對(duì)象中都有的鍵（交集）； 'outer'：外連接，即使用兩個(gè)對(duì)象中所有的鍵（并集）； 'left'：左連接，即使用左對(duì)象中所有的鍵； 'right'：右連接，即使用右對(duì)象中所有的鍵； |
| on | 用于連接的列名。必須存在于左右兩個(gè) Dataframe對(duì)象中 如果未指定，且其他連接鍵也未指定，則以 left 和 right 列名的交集作為連接鍵 |
| left_on | 左側(cè) DataFrame 對(duì)象中用作連接鍵的列 |
| right_on | 右側(cè) DataFrame 對(duì)象中用作連接鍵的列 |
| left_index | bool 類型，是否使用左側(cè) DataFrame 對(duì)象中的索引（index）作為連接鍵，默認(rèn) False |
| right_index | bool 類型，是否使用右側(cè) DataFrame 對(duì)象中的索引（index）作為連接鍵，默認(rèn) False |
| sort | bool 類型，是否在結(jié)果中按順序?qū)B接鍵排序，默認(rèn) False。 如果為 False，則連接鍵的順序取決于聯(lián)接類型（how 關(guān)鍵字） |
| suffixes | 字符串值元組，用于追加到重疊列名的末尾，默認(rèn)為 ('_x', '_y')。 例如，如果左右兩個(gè) DataFrame 對(duì)象都有 data 列時(shí)，則結(jié)果中就會(huì)出現(xiàn) data_x 和 data_y |
【03x01】一對(duì)一連接
一對(duì)一連接是指兩個(gè) DataFrame 對(duì)象的列的值沒(méi)有重復(fù)值。
如果不指定任何參數(shù)，調(diào)用 merge 方法，merge 就會(huì)將重疊的列的列名當(dāng)做鍵來(lái)合并。
在下面的示例中，兩個(gè) DataFrame 對(duì)象都有一個(gè)列名為 key 的列，未指定按照哪一列來(lái)合并，merge 就會(huì)默認(rèn)按照 key 來(lái)合并：
>>> import pandas as pd >>> obj1 = pd.DataFrame({'key': ['b', 'a', 'c'], 'data1': range(3)}) >>> obj2 = pd.DataFrame({'key': ['a', 'c', 'b'], 'data2': range(3)}) >>> obj1key data1 0 b 0 1 a 1 2 c 2 >>> >>> obj2key data2 0 a 0 1 c 1 2 b 2 >>> >>> pd.merge(obj1, obj2)key data1 data2 0 b 0 2 1 a 1 0 2 c 2 1【03x02】多對(duì)一連接
多對(duì)一連接是指兩個(gè) DataFrame 對(duì)象中，有一個(gè)的列的值有重復(fù)值。通過(guò)多對(duì)一連接獲得的結(jié)果，DataFrame 將會(huì)保留重復(fù)值。
>>> import pandas as pd >>> obj1 = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7)}) >>> obj2 = pd.DataFrame({'key': ['a', 'b', 'd'], 'data2': range(3)}) >>> >>> obj1key data1 0 b 0 1 b 1 2 a 2 3 c 3 4 a 4 5 a 5 6 b 6 >>> >>> obj2key data2 0 a 0 1 b 1 2 d 2 >>> >>> pd.merge(obj1, obj2)key data1 data2 0 b 0 1 1 b 1 1 2 b 6 1 3 a 2 0 4 a 4 0 5 a 5 0【03x03】多對(duì)多連接
多對(duì)多連接是指兩個(gè) DataFrame 對(duì)象中的列的值都有重復(fù)值。
>>> import pandas as pd >>> obj1 = pd.DataFrame({'key': ['a', 'b', 'b', 'c'], 'data1': range(4)}) >>> obj2 = pd.DataFrame({'key': ['a', 'a', 'b', 'b', 'c', 'c'], 'data2': range(6)}) >>> obj1key data1 0 a 0 1 b 1 2 b 2 3 c 3 >>> >>> obj2key data2 0 a 0 1 a 1 2 b 2 3 b 3 4 c 4 5 c 5 >>> >>> pd.merge(obj1, obj2)key data1 data2 0 a 0 0 1 a 0 1 2 b 1 2 3 b 1 3 4 b 2 2 5 b 2 3 6 c 3 4 7 c 3 5這里是一段防爬蟲(chóng)文本，請(qǐng)讀者忽略。 本文原創(chuàng)首發(fā)于 CSDN，作者 TRHX。 博客首頁(yè)：https://itrhx.blog.csdn.net/ 本文鏈接：https://itrhx.blog.csdn.net/article/details/106830112 未經(jīng)授權(quán)，禁止轉(zhuǎn)載！惡意轉(zhuǎn)載，后果自負(fù)！尊重原創(chuàng)，遠(yuǎn)離剽竊！
【03x04】參數(shù) on / left_on / right_on
參數(shù) on 用于指定按照某一列來(lái)進(jìn)行合并，若不指定該參數(shù)，則會(huì)默認(rèn)按照重疊的列的列名當(dāng)做鍵來(lái)合并：
>>> import pandas as pd >>> obj1 = pd.DataFrame({'key': ['b', 'a', 'c'], 'data1': range(3)}) >>> obj2 = pd.DataFrame({'key': ['a', 'c', 'b'], 'data2': range(3)}) >>> obj1key data1 0 b 0 1 a 1 2 c 2 >>> >>> obj2key data2 0 a 0 1 c 1 2 b 2 >>> >>> pd.merge(obj1, obj2, on='key')key data1 data2 0 b 0 2 1 a 1 0 2 c 2 1如果要根據(jù)多個(gè)鍵進(jìn)行合并，傳入一個(gè)由列名組成的列表即可：
>>> import pandas as pd >>> left = pd.DataFrame({'key1': ['foo', 'foo', 'bar'],'key2': ['one', 'two', 'one'],'lval': [1, 2, 3]}) >>> right = pd.DataFrame({'key1': ['foo', 'foo', 'bar', 'bar'],'key2': ['one', 'one', 'one', 'two'],'rval': [4, 5, 6, 7]}) >>> leftkey1 key2 lval 0 foo one 1 1 foo two 2 2 bar one 3 >>> >>> rightkey1 key2 rval 0 foo one 4 1 foo one 5 2 bar one 6 3 bar two 7 >>> >>> pd.merge(left, right, on=['key1', 'key2'])key1 key2 lval rval 0 foo one 1 4 1 foo one 1 5 2 bar one 3 6如果兩個(gè)對(duì)象的列名不同，就可以使用 left_on、right_on 參數(shù)分別進(jìn)行指定：
>>> import pandas as pd >>> obj1 = pd.DataFrame({'lkey': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7)}) >>> obj2 = pd.DataFrame({'rkey': ['a', 'b', 'd'], 'data2': range(3)}) >>> obj1lkey data1 0 b 0 1 b 1 2 a 2 3 c 3 4 a 4 5 a 5 6 b 6 >>> >>> obj2rkey data2 0 a 0 1 b 1 2 d 2 >>> >>> pd.merge(obj1, obj2, left_on='lkey', right_on='rkey')lkey data1 rkey data2 0 b 0 b 1 1 b 1 b 1 2 b 6 b 1 3 a 2 a 0 4 a 4 a 0 5 a 5 a 0【03x05】參數(shù) how
在前面的示例中，結(jié)果里面 c 和 d 以及與之相關(guān)的數(shù)據(jù)消失了。默認(rèn)情況下，merge 做的是內(nèi)連接（'inner'），結(jié)果中的鍵是交集。其他方式還有：'left'、'right'、'outer'，含義如下：
- 'inner'：內(nèi)連接，即使用兩個(gè)對(duì)象中都有的鍵（交集）；
- 'outer'：外連接，即使用兩個(gè)對(duì)象中所有的鍵（并集）；
- 'left'：左連接，即使用左對(duì)象中所有的鍵；
- 'right'：右連接，即使用右對(duì)象中所有的鍵；
【03x06】參數(shù) suffixes
suffixes 參數(shù)用于指定附加到左右兩個(gè) DataFrame 對(duì)象的重疊列名上的字符串：
在以下示例中，選擇按照 key1 進(jìn)行合并，而兩個(gè) DataFrame 對(duì)象都包含 key2 列，如果未指定 suffixes 參數(shù)，則默認(rèn)會(huì)為兩個(gè)對(duì)象的 key2 加上 _x 和 _y，以便區(qū)分它們，如果指定了 suffixes 參數(shù)，就會(huì)按照添加指定的后綴：
>>> import pandas as pd >>> left = pd.DataFrame({'key1': ['foo', 'foo', 'bar'],'key2': ['one', 'two', 'one'],'lval': [1, 2, 3]}) >>> right = pd.DataFrame({'key1': ['foo', 'foo', 'bar', 'bar'],'key2': ['one', 'one', 'one', 'two'],'rval': [4, 5, 6, 7]}) >>> leftkey1 key2 lval 0 foo one 1 1 foo two 2 2 bar one 3 >>> >>> rightkey1 key2 rval 0 foo one 4 1 foo one 5 2 bar one 6 3 bar two 7 >>> >>> pd.merge(left, right, on='key1')key1 key2_x lval key2_y rval 0 foo one 1 one 4 1 foo one 1 one 5 2 foo two 2 one 4 3 foo two 2 one 5 4 bar one 3 one 6 5 bar one 3 two 7 >>> >>> pd.merge(left, right, on='key1', suffixes=('_left', '_right'))key1 key2_left lval key2_right rval 0 foo one 1 one 4 1 foo one 1 one 5 2 foo two 2 one 4 3 foo two 2 one 5 4 bar one 3 one 6 5 bar one 3 two 7【03x07】參數(shù) left_index / right_index
有時(shí)候，DataFrame 中的連接鍵位于其索引中。在這種情況下，可以使用 left_index=True 或right_index=True（或兩個(gè)都傳）以說(shuō)明索引應(yīng)該被用作連接鍵。這種方法稱為按索引連接，在 Pandas 中還有個(gè) join 方法可以實(shí)現(xiàn)這個(gè)功能。
在以下示例中，按照 left 的 key 列進(jìn)行連接，而 right 對(duì)象的連接鍵位于其索引中，因此要指定 right_index=True：
>>> import pandas as pd >>> left = pd.DataFrame({'key': ['a', 'b', 'a', 'a', 'b', 'c'], 'value': range(6)}) >>> right = pd.DataFrame({'group_val': [3.5, 7]}, index=['a', 'b']) >>> leftkey value 0 a 0 1 b 1 2 a 2 3 a 3 4 b 4 5 c 5 >>> >>> rightgroup_val a 3.5 b 7.0 >>> >>> pd.merge(left, right, left_on='key', right_index=True)key value group_val 0 a 0 3.5 2 a 2 3.5 3 a 3 3.5 1 b 1 7.0 4 b 4 7.0【04x00】join
join 方法只適用于 DataFrame 對(duì)象，Series 對(duì)象沒(méi)有該方法，該方法用于連接另一個(gè) DataFrame 對(duì)象的列（columns）。
基本語(yǔ)法：DataFrame.join(self, other, on=None, how='left', lsuffix='', rsuffix='', sort=False) → ’DataFrame’
參數(shù)描述：
| other | 另一個(gè) DataFrame、Series 或 DataFrame 列表對(duì)象 |
| on | 列名稱，或者列名稱組成的列表、元組，連接的列 |
| how | 合并方式，默認(rèn) 'left' 'inner'：內(nèi)連接，即使用兩個(gè)對(duì)象中都有的鍵（交集）； 'outer'：外連接，即使用兩個(gè)對(duì)象中所有的鍵（并集）； 'left'：左連接，即使用左對(duì)象中所有的鍵； 'right'：右連接，即使用右對(duì)象中所有的鍵； |
| lsuffix | 當(dāng)兩個(gè)對(duì)象有相同的列名時(shí)，合并后左邊數(shù)據(jù)列名的后綴 |
| rsuffix | 當(dāng)兩個(gè)對(duì)象有相同的列名時(shí)，合并后右邊數(shù)據(jù)列名的后綴 |
| sort | bool 類型，是否在結(jié)果中按順序?qū)B接鍵排序，默認(rèn) False。 如果為 False，則連接鍵的順序取決于聯(lián)接類型（how 關(guān)鍵字） |
使用 lsuffix 和 rsuffix 參數(shù)：
>>> import pandas as pd >>> obj = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'],'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']}) >>> other = pd.DataFrame({'key': ['K0', 'K1', 'K2'],'B': ['B0', 'B1', 'B2']}) >>> objkey A 0 K0 A0 1 K1 A1 2 K2 A2 3 K3 A3 4 K4 A4 5 K5 A5 >>> >>> otherkey B 0 K0 B0 1 K1 B1 2 K2 B2 >>> >>> obj.join(other, lsuffix='_1', rsuffix='_2')key_1 A key_2 B 0 K0 A0 K0 B0 1 K1 A1 K1 B1 2 K2 A2 K2 B2 3 K3 A3 NaN NaN 4 K4 A4 NaN NaN 5 K5 A5 NaN NaN如果右表的索引是左表的某一列的值，這時(shí)可以將右表的索引和左表的列對(duì)齊合并這樣的靈活方式進(jìn)行合并：
>>> import pandas as pd >>> obj = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'],'key': ['K0', 'K1', 'K0', 'K1']}) >>> other = pd.DataFrame({'C': ['C0', 'C1'],'D': ['D0', 'D1']},index=['K0', 'K1']) >>> objA B key 0 A0 B0 K0 1 A1 B1 K1 2 A2 B2 K0 3 A3 B3 K1 >>> >>> otherC D K0 C0 D0 K1 C1 D1 >>> >>> obj.join(other, on='key')A B key C D 0 A0 B0 K0 C0 D0 1 A1 B1 K1 C1 D1 2 A2 B2 K0 C0 D0 3 A3 B3 K1 C1 D1【05x00】四種方法的區(qū)別
-
concat：可用于兩個(gè)或多個(gè) Series 或 DataFrame 對(duì)象間，通過(guò) axis 參數(shù)指定按照行方向（增加行）或列方向（增加列）進(jìn)合并操作，默認(rèn)行合并（增加行），取并集；
-
append：在一個(gè) Series 或 DataFrame 對(duì)象后最追加另一個(gè) Series 或 DataFrame 對(duì)象并返回一個(gè)新對(duì)象，不改變?cè)瓕?duì)象的值。只能按行合并（增加行）。
-
merge：只能對(duì)兩個(gè) DataFrame 對(duì)象進(jìn)行合并，一般按照列方向（增加列）進(jìn)行合并操作，按照行方向合并一般用 join 方法代替，默認(rèn)列合并（增加列），取交集；
-
join：只能對(duì)兩個(gè) DataFrame 對(duì)象進(jìn)行合并，按照列方向（增加列）進(jìn)行合并操作，默認(rèn)左連接。
這里是一段防爬蟲(chóng)文本，請(qǐng)讀者忽略。 本文原創(chuàng)首發(fā)于 CSDN，作者 TRHX。 博客首頁(yè)：https://itrhx.blog.csdn.net/ 本文鏈接：https://itrhx.blog.csdn.net/article/details/106830112 未經(jīng)授權(quán)，禁止轉(zhuǎn)載！惡意轉(zhuǎn)載，后果自負(fù)！尊重原創(chuàng)，遠(yuǎn)離剽竊！
總結(jié)
以上是生活随笔為你收集整理的Python 数据分析三剑客之 Pandas（七）：合并数据集的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： 网友不相信高通骁龙8+会有惊喜 雷军：不
- 下一篇： 最大10克拉 中国科学家30年攻关掌握人