一、之 Pandas Dataframe合并

在數(shù)據(jù)分析中，避免不了要從多個(gè)數(shù)據(jù)集中取數(shù)據(jù)，那就避免不了要進(jìn)行數(shù)據(jù)的合并，這篇文章就來(lái)介紹一下 Dataframe 對(duì)象的合并操作。

Pandas 提供了merge()方法來(lái)進(jìn)行合并操作，使用語(yǔ)法如下：

pd.merge(left, right, how="inner", on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=False)

常用的參數(shù)說(shuō)明：

• left、right：指定左右兩個(gè)要進(jìn)行合并的 DataFrame 對(duì)象
• how：指定合并類(lèi)型，可以選擇left、right、outer、inner，此參數(shù)可以確定以哪邊（左邊、右邊或者左右共有）的鍵為基準(zhǔn)，如果出現(xiàn)匹配失敗的用NaN填充，默認(rèn)為inner，具體如下：
  • left：代表左連接，以左DataFrame為基準(zhǔn)，右側(cè)匹配失敗的用NaN填充
  • right：代表右連接，以右DataFrame為基準(zhǔn)，左側(cè)匹配失敗的用NaN填充
  • inner：代表內(nèi)連接，取交集
  • outer：代表外連接，取并集，匹配失敗的用NaN填充
• on：指定用于連接的鍵，也就是列名，傳遞改參數(shù)的話，必須保證傳遞的“鍵”在左右兩邊的DataFrame中都存在
• left_on：指定左側(cè)DataFrame中用于連接的鍵
• right_on：指定右側(cè)DataFrame中用于連接的鍵
• left_index & right_index：表示以行索引作為合并基準(zhǔn)，默認(rèn)為False
• sort：指定是否按照字典順序通過(guò)連接鍵對(duì)結(jié)果DataFrame進(jìn)行排序，默認(rèn)為False

例如，對(duì)下面兩個(gè) DataFrame 對(duì)象執(zhí)行合并操作：

import pandas as pd
data = {"name": ["Alice", "Bob", "Cindy", "David"], "age": [25, 23, 28, 24], "gender": ["woman", "man", "woman", "man"]}
df1 = pd.DataFrame(data)
df1

data = {"name": ["Alice", "Bob", "Cindy", "Emilie"], "city": ["beijing", "beijing", "jinan", "shanghai"]}
df2 = pd.DataFrame(data)
df2

使用name作為連接鍵：

merge_pd = pd.merge(df1, df2, on="name")
merge_pd

結(jié)果輸出如下：

設(shè)置為左連接：

merge_pd = pd.merge(df1, df2, on="name", how="left")
merge_pd

結(jié)果輸出如下：

在進(jìn)行數(shù)據(jù)分析時(shí)，數(shù)據(jù)的質(zhì)量可能并不理想，有可能包含一些重復(fù)數(shù)據(jù)，那我們就要進(jìn)行數(shù)據(jù)的“去重”操作，刪除重復(fù)的數(shù)據(jù)，保留唯一的數(shù)據(jù)項(xiàng)，從而提高數(shù)據(jù)集整體的精確度，同時(shí)也可以節(jié)省空間、提升讀寫(xiě)性能等，接下來(lái)就來(lái)介紹一下 Pandas Dataframe 的去重操作。

二、去重操作

Pandas 提供了drop_duplicates()方法進(jìn)行數(shù)據(jù)的去重操作，具體使用格式如下：

df.drop_duplicates(subset=None, keep="first", inplace=False, ignore_index=False)

參數(shù)說(shuō)明如下：

• subset：指定要進(jìn)行去重的列名，默認(rèn)為None，可以使用列表指定一個(gè)或多個(gè)列名
• keep：有三個(gè)參數(shù)可選：first、last、False，默認(rèn)為first，表示只保留第一次出現(xiàn)的重復(fù)項(xiàng)，刪除其余重復(fù)項(xiàng)；last表示只保留最后一次出現(xiàn)的重復(fù)項(xiàng)；False表示刪除所有重復(fù)項(xiàng)
• inplace：是否在原Dataframe對(duì)象上進(jìn)行操作
• ignore_index：默認(rèn)為False，設(shè)置為T(mén)rue可以重新生成行索引。

例如，對(duì)下面 DataFrame 對(duì)象進(jìn)行去重操作：

可以看到該DataFrame 對(duì)象中索引為1、3的行是重復(fù)的，下面進(jìn)行去除：

保留第一次出現(xiàn)的重復(fù)項(xiàng)：

df.drop_duplicates(inplace=True)
df

結(jié)果輸出如下：

刪除所有重復(fù)項(xiàng)：

df.drop_duplicates(keep=False, inplace=True)
df

結(jié)果輸出如下：

ignore_index參數(shù)使用：

df.drop_duplicates(inplace=True, ignore_index=True)
df

ignore_index設(shè)置為T(mén)rue后，通過(guò)結(jié)果可以看到，行索引進(jìn)行了重排。

當(dāng)然drop_duplicates()方法也可以根據(jù)指定列名去重，給subset傳遞參數(shù)即可，例如根據(jù)name列進(jìn)行去重：

df.drop_duplicates(subset=["name"], inplace=True)

到此這篇關(guān)于Python數(shù)據(jù)分析之 Pandas Dataframe合并和去重操作的文章就介紹到這了,更多相關(guān)Pandas Dataframe合并去重內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論