这次终于一次性把merge()、join()、concat()的区别讲清楚了

介绍

在本文中，我们将讨论借助pandas方法组合数据框的方法。有时，当我们在进行一个大型项目并且数据来自不同的来源时，我们需要将这些数据合并为一个数据帧。

pandas中很少有数据科学人员用来使数据框架更有价值的方法。

这些方法按行和列相加进行划分。

方法merge()和join()使用SQL连接方法方法基于公共键和索引工作。

该方法的concat()正在数据帧将它们结合起来，使一个导致数据帧。

你可以转到有关每个需求的系列和数据框架的基本文章。

串联方法

将两个数据帧组合成一个水平方向。

python示例：

import pandas as pd

为了组合数据帧，我们至少需要两个数据帧。

#数据帧1
df1 = pd.DataFrame({"C1":["1", "2"],
                    "C2":["3", "4"],},
                   index=[0, 1])
#数据帧2
df2 = pd.DataFrame({"C1":["5", "6"],
                    "C2":["7", "8"],},
                   index=[2, 3])
#结合这两个数据帧
data = [df1,df2]
combined_df = pd.concat(data)combined_df

我们知道，当我们水平组合两个数据帧时，列是相同的，并且索引正在增加。

级联的论点

  1. Keys参数：它采用序列或不采用序列，并且将密钥作为层次结构索引传递到最外层，如下所示：
key_data = pd.concat(data, keys=["x", "y"])
key_data

现在，我们也可以使用键访问数据，如示例所示。

key_data.loc["y"]

2. Axis：此参数用于垂直组合数据框架，这意味着要添加更多列，如以下示例所示：

df3 = pd.DataFrame({"C3":["10", "11"],
                    "C4":["12", "13"],},
                   index=[1,2])

在这里，我们给出索引（1,2），但在“ df1”数据帧中，索引为（0,1）。因此，结果将得到一个新行，缺失值填充为“ nan ”。

axis_data = pd.concat([df1, df3], axis=1)
axis_data

3.联接：此参数有两种联接类型，即外部联接和内部联接。默认联接是外部联接，而内部联接将给出数据帧的公共交集，如下所示：

join_data = pd.concat([df1, df3], axis=1, join="inner")
join_data

结合数据框和系列

这是组合序列和数据框的非常有用的方法，如下所示：

series_data = pd.Series(["21", "22"], name="C5")
combine_series = pd.concat([df1, series_data], axis=1)
combine_series

合并方式

与结构化查询语言（SQL）中的关系数据库相同，此方法用于连接不同的数据帧。

单键数据帧示例。

“ on ”参数用于从两个数据帧中获取公共列。

left = pd.DataFrame({"keys":["K0", "K1"],
                     "C1":["1", "2"],
                     "C2":["3", "4"],})
right = pd.DataFrame({"keys":["K0", "K1"],
                      "C3":["10", "11"],
                      "C4":["12", "13"]})
basic_join = pd.merge(left, right, on="keys")
basic_join

具有两个关键数据帧的示例。

left = pd.DataFrame({"k1": ["A0", "A0", "A1", "A2"],
                     "k2": ["A0", "A1", "A0", "A1"],
                     "A": ["1", "2", "3", "4"],
                     "B": ["5", "6", "7", "8"]})
right = pd.DataFrame({"k1": ["A0", "A1", "A1", "A2"],
                      "k2": ["A0", "A0", "A0", "A0"],
                      "C": ["9", "10", "11", "12"],
                      "D": ["13", "14", "15", "16"]})
two_key_result = pd.merge(left, right, on=["k1", "k2"])
two_key_result

SQL do连接，例如左连接，右连接，内部连接和外部连接。这些示例如下所示：

left_result = pd.merge(left, right, how="left", on=["k1", "k2"])
right_result = pd.merge(left, right, how="right", on=["k1", "k2"])
inner_result = pd.merge(left, right, how="inner", on=["k1", "k2"])
outer_result = pd.merge(left, right, how="outer", on=["k1", "k2"])

merge方法包含一个参数，该参数在结果数据帧中添加带有信息的分类列，如以下示例所示。

data1 = pd.DataFrame({"C1": [4, 6], "col_left": ["a", "b"]})
data2 = pd.DataFrame({"C1": [6, 3, 3], "col_right": [3, 3, 3]})
#The indicator argument is "True"
pd.merge(data1, data2, on="C1", how="outer", indicator=True)

该方法对于基于左和右数据帧组合两个数据帧也很有用。

在此示例中，左侧数据比右侧数据占主导地位，如下所示：

left = pd.DataFrame({"X1":["1", "2"],
                     "X2":["3", "4"]},
                     index = ["K0", "K1"])
right = pd.DataFrame({"X3":["10", "11"],
                     "X4":["12", "13"]},
                     index = ["K0", "K2"])
result = left.join(right)
result

在下面的示例中，权限是主要的。

result1 = right.join(left)
result1

我们还可以基于键和索引连接两个数据帧，如下所示：

left = pd.DataFrame({"k1": ["A0", "A1", "A0", "A1"],
                     "C1": ["1", "2", "3", "4"],
                     "C2": ["5", "6", "7", "8"]})
right = pd.DataFrame({"C3": ["10", "11"], "C4": ["12", "13"]}, index=["A0", "K1"])
result = left.join(right, on="k1")
result

结论：

本文给出了基于索引，键组合数据帧的基本思想。数据框的组合还适用于将在以后的文章中介绍的多个键和索引。

赞 (0)

相关推荐