Python Pandas實現DataFrame合并的圖文教程
一、merge（合并）的語法：
pd.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, validate=None)
參數介紹：
left，right：要merge的dataframe或者有name的Series
how：join類型，'left', 'right', 'outer', 'inner'
on：join的key，left和right都需要有這個key
left_on：left的df或者series的key
right_on：right的df或者seires的key
left_index，right_index：使用index而不是普通的column做join
suffixes：兩個元素的后綴，如果列有重名，自動添加后綴，默認是('_x', '_y')
二、以關鍵列來合并兩個dataframe
可以看到只有l(wèi)eft和right的key1=y的行保留了下來，即默認合并后只保留有共同列項并且值相等行（即交集）。
本例中l(wèi)eft和right的k1=y分別有2個，最終構成了2*2=4行
import pandas as pd
left = pd.DataFrame({'A': ['a0', 'a1', 'a2', 'a3'],
'B': ['b0', 'b1', 'b2', 'b3'],
'k1': ['x', 'x', 'y', 'y']})
right = pd.DataFrame({'C': ['c1', 'c2', 'c3', 'c4'],
'D': ['d1', 'd2', 'd3', 'd4'],
'k1': ['y', 'y', 'z', 'z']})
left
right
pd.merge(left, right, on=‘k1’)
三、理解merge時數量的對齊關系
one-to-one：一對一關系，關聯的key都是唯一的
比如(學號，姓名) merge (學號，年齡)
結果條數為：1*1
one-to-many：一對多關系，左邊唯一key，右邊不唯一key
比如(學號，姓名) merge (學號，[語文成績、數學成績、英語成績])
結果條數為：1*N
many-to-many：多對多關系，左邊右邊都不是唯一的
比如（學號，[語文成績、數學成績、英語成績]） merge (學號，[籃球、足球、乒乓球])
結果條數為：M*N
1、one-to-one 一對一關系的merge
left = pd.DataFrame({'sno': [11, 12, 13, 14],
'name': ['name_a', 'name_b', 'name_c', 'name_d']
})
right = pd.DataFrame({'sno': [11, 12, 13, 14],
'age': ['21', '22', '23', '24']
})
left
right
# 一對一關系，結果中有4條 pd.merge(left, right, on='sno')
2、one-to-many 一對多關系的merge
注意：數據會被復制
left = pd.DataFrame({'sno': [11, 12, 13, 14],
'name': ['name_a', 'name_b', 'name_c', 'name_d']
})
right = pd.DataFrame({'sno': [11, 11, 11, 12, 12, 13],
'grade': ['語文88', '數學90', '英語75','語文66', '數學55', '英語29']
})
left
right
# 數目以多的一邊為準 pd.merge(left, right, on='sno')
3、many-to-many 多對多關系的merge
注意：結果數量會出現乘法
left = pd.DataFrame({'sno': [11, 11, 12, 12,12],
'愛好': ['籃球', '羽毛球', '乒乓球', '籃球', "足球"]
})
right = pd.DataFrame({'sno': [11, 11, 11, 12, 12, 13],
'grade': ['語文88', '數學90', '英語75','語文66', '數學55', '英語29']
})
left
right
pd.merge(left, right, on=‘sno’)
四、理解left join、right join、inner join、outer join的區(qū)別
left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'key': ['K0', 'K1', 'K4', 'K5'],
'C': ['C0', 'C1', 'C4', 'C5'],
'D': ['D0', 'D1', 'D4', 'D5']})
left
right
1、inner join，默認
左邊和右邊的key都有，才會出現在結果里
pd.merge(left, right, how='inner')
2、left join
左邊的都會出現在結果里，右邊的如果無法匹配則為Null
pd.merge(left, right, how='left')
3、 right join
右邊的都會出現在結果里，左邊的如果無法匹配則為Null
pd.merge(left, right, how='right')
4、 outer join
左邊、右邊的都會出現在結果里，如果無法匹配則為Null
pd.merge(left, right, how='outer')
五、如果出現非Key的字段重名怎么辦
left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
right = pd.DataFrame({'key': ['K0', 'K1', 'K4', 'K5'],
'A': ['A10', 'A11', 'A12', 'A13'],
'D': ['D0', 'D1', 'D4', 'D5']})
left
right
pd.merge(left, right, on='key')
pd.merge(left, right, on='key', suffixes=('_left', '_right'))
總結
到此這篇關于Pandas實現DataFrame合并的文章就介紹到這了,更多相關Pandas DataFrame合并內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Python使用Excel將數據寫入多個sheet,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-05-05
PyCharm作為Python開發(fā)的集成環(huán)境,提供了全面的調試工具,文中通過圖文及示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2024-11-11
這篇文章主要介紹了Python pass 語句的使用方法示例,需要的朋友可以參考下2014-03-03
提供了很多個文件，需要對文件分析，如果每次讀取多個文件，造成很多麻煩，所以需要對源文件進行合并預處理。2013-08-08
這篇文章主要介紹了python遍歷數組的方法,實例總結了兩種Python遍歷數組的技巧,非常具有實用價值,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了python采用django框架實現支付寶即時到帳接口的相關資料,需要的朋友可以參考下2016-05-05
這篇文章主要介紹了Python爬蟲之pandas基本安裝與使用方法,結合實例形式分析了Python爬蟲操作中pandas的pip命令安裝與HTML、Excel等格式文件保存相關操作技巧,需要的朋友可以參考下2018-08-08
python 使用re.search()篩選后 選取部分結果的方法
今天小編就為大家分享一篇python 使用re.search()篩選后 選取部分結果的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
這篇文章主要介紹了關于Python如何安裝requests庫,requests庫自稱“HTTP for Humans”,直譯過來的意思是專門為人類設計的HTTP庫,能夠被開發(fā)人員安全地使用,需要的朋友可以參考下2023-04-04
近日在使用flask框架獲取前端的請求時獲取參數時，遇到了幾個問題,所以下面這篇文章主要給大家介紹了關于使用flask如何獲取post請求參數的相關資料,需要的朋友可以參考下2022-08-08