快捷導(dǎo)航

Pandas數(shù)據(jù)合并的兩種實(shí)現(xiàn)方法

更新時(shí)間：2023年11月26日 10:42:24 作者：GarsonW

本文主要介紹了Pandas數(shù)據(jù)合并的兩種實(shí)現(xiàn)方法,DataFrame數(shù)據(jù)合并主要使用merge()方法和concat()方法,具有一定的參考價(jià)值,感興趣的可以了解一下

1.數(shù)據(jù)合并（merge()方法）

Pandas模塊的merge()進(jìn)行數(shù)據(jù)合并時(shí)，兩個(gè)DataFrame對(duì)象必須有相同的列。

1.常規(guī)合并

import pandas as pd

df1 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '語文':[110,105,109],
                    '數(shù)學(xué)':[105,88,120],
                    '英語':[99,115,130]})

df2 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '體育':[34.5,39.7,38]})

df_merge=pd.merge(df1,df2,on='編號(hào)')
print(df_merge)

該示例中，編號(hào)是相同的，所以會(huì)將df2中“體育”作為新的一列加入到df1中。

2.通過索引合并

import pandas as pd

df1 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '語文':[110,105,109],
                    '數(shù)學(xué)':[105,88,120],
                    '英語':[99,115,130]})

df2 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '體育':[34.5,39.7,38]})

df_merge=pd.merge(df1,df2,left_index=True,right_index=True)
print(df_merge)

3.對(duì)合并數(shù)據(jù)去重

使用到how屬性，就是讓df1保留所有的行列數(shù)據(jù)，df2則根據(jù)df1的行列進(jìn)行補(bǔ)全。

import pandas as pd

df1 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '語文':[110,105,109],
                    '數(shù)學(xué)':[105,88,120],
                    '英語':[99,115,130]})

df2 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '體育':[34.5,39.7,38]})

df_merge=pd.merge(df1,df2,on='編號(hào)',left_index=True,right_index=True)
print(df_merge)
df_merge=pd.merge(df1,df2,on='編號(hào)',how='left')
print(df_merge)

4.多對(duì)一的數(shù)據(jù)合并

根據(jù)共有列中的數(shù)據(jù)進(jìn)行合并，df2根據(jù)df1的行列進(jìn)行補(bǔ)全。

import pandas as pd

df1 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003'],
                    '學(xué)生姓名':['明日同學(xué)','高猿員','錢多多']})

df2 = pd.DataFrame({'編號(hào)':['mr001','mr001','mr003'],
                    '語文':[110,105,109],
                    '數(shù)學(xué)':[105,88,120],
                    '英語':[99,115,130],
                    '時(shí)間':['1月','2月','1月']})

df_merge=pd.merge(df1,df2,on='編號(hào)')
print(df_merge)

5.多對(duì)多的數(shù)據(jù)合并

根據(jù)共有列中的數(shù)據(jù)進(jìn)行合并，df2，df1相互補(bǔ)全。

import pandas as pd

df1 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003','mr001','mr001'],
                    '體育':[34.5,39.7,38,33,35]})

df2 = pd.DataFrame({'編號(hào)':['mr001','mr002','mr003','mr003','mr003'],
                    '語文':[110,105,109,110,108],
                    '數(shù)學(xué)':[105,88,120,123,119],
                    '英語':[99,115,130,109,128]})

df_merge=pd.merge(df1,df2)
print(df_merge)

2.數(shù)據(jù)合并（concat()方法）

1.相同字段的表首尾相連

dfs = [df1,df2,df3]
result = pd.concat(dfs)

如果需要標(biāo)記源數(shù)據(jù)來自于哪張表，可以使用：

result = pd.concat(dfs, keys=['第一張表','第二張表','第三張表'])

2.橫向表合并（行對(duì)齊）

用于數(shù)據(jù)列名不一致，缺失的數(shù)據(jù)使用Nan填充。其中axis=1代表行合并。

result = pd.concat([df1,df4],axis=1)

3.交叉合并

交叉合并需要加上join參數(shù)，如值為inner，結(jié)果為兩張表的交集；如果值為outer，結(jié)果為兩張表的并集。

result = pd.concat([df1,df4],axis=1,join='inner')

4.指定表對(duì)其數(shù)據(jù)（行對(duì)齊）

如果指定參數(shù)join_axes，就可以指定根據(jù)哪張表來對(duì)齊數(shù)據(jù)。如下述代碼，根據(jù)df4表對(duì)其，結(jié)果表的行術(shù)和df4的行術(shù)一致，在此基礎(chǔ)上拼接df1表。

result = pd.concat([df1,df4],axis=1,join_axes[df4.index])

到此這篇關(guān)于Pandas數(shù)據(jù)合并的兩種實(shí)現(xiàn)方法的文章就介紹到這了,更多相關(guān)Pandas數(shù)據(jù)合并內(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！

您可能感興趣的文章: