如何基于共享列组合 Pandas DataFrame：“join()”和“merge()”指南

在共享列上组合 Pandas 数据框：综合指南

简介

组合来自多个数据框的数据是数据分析中的常见任务。 Pandas 提供了多种方法来实现这一点，包括 join() 和 merge() 函数。本文演示了如何使用这些函数来组合共享公共列的两个数据框。

使用 join() 函数

join() 函数默认执行内连接，这意味着它只保留在连接列中具有匹配值的行。在提供的示例中，无法使用 join() 函数，因为 Restaurant_ids_dataframe 和 Restaurant_review_frame 具有重叠的列名称（星号和类型），如错误消息所示：

Exception: columns overlap: Index([business_id, stars, type], dtype=object)

使用 merge() 函数

merge() 函数为组合数据帧提供了更大的灵活性。要执行外连接（保留两个数据帧中的所有行），请使用 how='outer' 参数：

<code class="python">import pandas as pd
pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer')</code>

默认情况下，merge() 使用后缀 ('_x', '_y' ) 来区分具有重复名称的列。要自定义后缀，请将值传递给 suffixes 参数，如下所示：

<code class="python">pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer', suffixes=('_restaurant_id', '_restaurant_review'))</code>

结论

join() 和 merge() 函数都可以用于组合数据框在公共列上。了解这些函数之间的差异对于实现所需的连接行为至关重要。 merge() 函数提供了更大的灵活性，包括执行外部联接和自定义列后缀的能力。通过掌握这些技术，您可以有效地组合数据帧，从数据集中提取有意义的见解。

以上是如何基于共享列组合 Pandas DataFrame：“join()”和“merge()”指南的详细内容。更多信息请关注PHP中文网其他相关文章！