如何使用Python中的DataFrame合併和連接資料？

merge()

1.常規合併

#①方法1

指定參考列，以該列為準，合併其他欄位。

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")
df_merge = pd.merge(df1, df2, on='id')
print(df_merge)

②方法2

#要實現該合併，也可以透過索引來合併，即以index列為基準。將left_index 和 right_index 都設定為True
即可。 （left_index 和right_index 都預設為False，left_index表示左表以左表資料的index為基準， right_index表示右表以右表資料的index為基準。）

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

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

#比較方法①，差異在於，如圖，方法②合併出的資料中有重複列。

重要參數

pd.merge(right,how=‘inner’, on=“None”, left_on=“None”, right_on=“None”, left_index= False, right_index=False )

##說明說明 left左表，合併對象，DataFrame或Series#right右表，合併對象，DataFrame或Series

#參數

#。

how

合併方式，可以是left(左合併), right(右合併), outer(外合併), inner(內合併)

on

基準列的列名

left_on

左表基準列名

right_on右表基準列列名

left_index

左列是否以index為基準，預設False，否

#right_index

右列是否以index為基準，預設False，否

其中，left_index與right_index不能與on 同時指定。

合併方式left right outer inner

準備資料‘

新準備一組資料:

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '004', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

inner（預設）

使用來自兩個資料集的鍵的交集

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

outer

使用兩個資料集的鍵的並集

df_merge = pd.merge(df1, df2, on='id', how="outer")
print(df_merge)

df_merge = pd.merge(df1, df2, on='id', how='left')
print(df_merge)

#right使用來自右資料集的鍵

import pandas as pd

df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 101, 104],
                    'num2': [110, 102, 121],
                    'num3': [105, 120, 113]})
df2 = pd.DataFrame({'id': ['001', '001', '003'],
                    'num4': [80, 86, 79]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

#如圖，df2中有重複id1的資料。 合併合併結果如圖所示：3.多對多合併

left	使用來自左資料集的鍵
	df_merge = pd.merge(df1, df2, on='id', how='right') print(df_merge)
2.多對一合併
	df_merge = pd.merge(df1, df2, on='id') print(df_merge)
	#仍然按照預設的Inner方式，使用來自兩個資料集的鍵的交集。且重複的鍵的行會在合併結果中體現為多行。

如圖表1和表2中都存在多行id重複的。 ###

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '002', '002', '003'],
                    'num1': [120, 101, 104, 114, 123],
                    'num2': [110, 102, 121, 113, 126],
                    'num3': [105, 120, 113, 124, 128]})
df2 = pd.DataFrame({'id': ['001', '001', '002', '003', '001'],
                    'num4': [80, 86, 79, 88, 93]})
print(df1)
print("=======================================")
print(df2)
print("=======================================")

#########

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

############concat()#########pd.concat(objs, axis=0, join= ‘outer’, ignore_index:bool=False,keys=None,levels=None,names=None, verify_integrity:bool=False,sort:bool=False,copy:bool=True)######### #########參數######描述###################objs######Series，DataFrame或Panel物件的序列或映射############axis######預設為0，表示列。若為1則表示行。 ############join######預設為"outer"，也可以為"inner"############ignore_index######預設為False，表示保留索引（不忽略）。設為True則表示忽略索引。 ############

其他重要参数通过实例说明。

1.相同字段的表首位相连

首先准备三组DataFrame数据：

import pandas as pd
df1 = pd.DataFrame({'id': ['001', '002', '003'],
                    'num1': [120, 114, 123],
                    'num2': [110, 102, 121],
                    'num3': [113, 124, 128]})
df2 = pd.DataFrame({'id': ['004', '005'],
                    'num1': [120, 101],
                    'num2': [113, 126],
                    'num3': [105, 128]})
df3 = pd.DataFrame({'id': ['007', '008', '009'],
                    'num1': [120, 101, 125],
                    'num2': [113, 126, 163],
                    'num3': [105, 128, 114]})


print(df1)
print("=======================================")
print(df2)
print("=======================================")
print(df3)

合并

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

如果想要在合并后，标记一下数据都来自于哪张表或者数据的某类别，则也可以给concat加上 参数keys 。

result = pd.concat(dfs, keys=['table1', 'table2', 'table3'])
print(result)

此时，添加的keys与原来的index组成元组，共同成为新的index。

print(result.index)

2.横向表合并（行对齐）

准备两组DataFrame数据：

import pandas as pd
df1 = pd.DataFrame({'num1': [120, 114, 123],
                    'num2': [110, 102, 121],
                    'num3': [113, 124, 128]}, index=['001', '002', '003'])
df2 = pd.DataFrame({'num3': [117, 120, 101, 126],
                    'num5': [113, 125, 126, 133],
                    'num6': [105, 130, 128, 128]}, index=['002', '003', '004', '005'])

print(df1)
print("=======================================")
print(df2)

当axis为默认值0时：

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

横向合并需要将axis设置为1 ：

result = pd.concat([df1, df2], axis=1)
print(result)

对比以上输出差异。

• axis=0时，即默认纵向合并时，如果出现重复的行，则会同时体现在结果中

• axis=1时，即横向合并时，如果出现重复的列，则会同时体现在结果中。

3.交叉合并

result = pd.concat([df1, df2], axis=1, join='inner')
print(result)

以上是如何使用Python中的DataFrame合併和連接資料？的詳細內容。更多資訊請關注PHP中文網其他相關文章！